웹 개발 데일리 브리핑 — 2026-11-21
Soshy··조회수 —

기준 시점: 2026-11-21 06:00 KST
조사 범위: 전일 2026-11-20 06:00 ~ 당일 2026-11-21 06:00 KST
추천 글 범위: 기준 시점 당시 최근 7일
1️⃣ 프론트엔드
Vue 3.5.46 정식 출시 — SSR의 CSS 변수 누락, Teleport Hydration 및 비동기 컴포넌트 오류 수정
- 발표일: 2026-11-20 — 정확한 게시 시각 미확인
- 발표 주체: Vue.js
- 버전: Vue 3.5.46
- 안정화 단계: 정식 안정 패치
- 적용 대상: Vue Single File Components, SSR, Hydration, Teleport, Suspense, Transition, TypeScript
- 변경 유형: 신규 주요 API 없이 기존 컴파일러 및 Runtime의 오류 수정
- 원문: https://github.com/vuejs/core/releases/tag/v3.5.46
- 공식 변경 기록: https://github.com/vuejs/core/blob/main/CHANGELOG.md
Vue가 3.5 계열의 새로운 안정 패치를 공개했다.
이번 릴리스는 새로운 반응형 API나 렌더링 기능을 추가하는 버전이 아니다. 대신 SSR과 Hydration, Teleport 및 비동기 컴포넌트에서 발생할 수 있던 여러 오류를 수정했다.
특히 서버에서 렌더링한 HTML에 CSS 변수가 누락되거나, 클라이언트가 Hydration하는 과정에서 Teleport의 DOM 위치를 잘못 처리하던 문제가 중요하다.
SSR에서 CSS 변수가 누락되던 문제
Vue Single File Component에서는 다음과 같이 CSS에서 JavaScript의 반응형 값을 참조할 수 있다.
<script setup>
import { ref } from 'vue'
const themeColor = ref('blue')
</script>
<template>
<div class="card">Hello</div>
</template>
<style scoped>
.card {
color: v-bind(themeColor);
}
</style>
Vue Compiler는 이러한 표현을 처리하기 위해 CSS Custom Property를 사용할 수 있다.
문제는 서버에서 렌더링할 때 발생했다.
컴포넌트의 Root가 단일 DOM 요소라면 정상적으로 처리되는 상황에서도, 실제 Root가 Fragment나 반복문인 경우 CSS 변수가 제대로 주입되지 않을 수 있었다.
예를 들어 하나의 컴포넌트가 v-for를 이용해 여러 Root 요소를 반환한다고 가정해 보자.
서버는 해당 요소들을 HTML로 생성한다.
하지만 일부 Root에 필요한 CSS 변수가 적용되지 않을 수 있었다.
이 경우 다음 문제가 나타날 수 있다.
- 초기 SSR 화면에서 스타일 누락
- Hydration 이후 스타일 변경
- 서버 렌더링 결과와 클라이언트 화면의 차이
이번 3.5.46에서는 Root Loop와 Fragment를 통과하는 CSS 변수 주입을 수정했다.
또한 KeepAlive와 Teleport 내부의 SSR 콘텐츠에 CSS 변수를 주입하는 처리도 개선했다.
하지만 이번 수정이 모든 SSR 스타일 불일치를 자동으로 해결하는 것은 아니다.
서버와 브라우저가 서로 다른 값을 계산하는 애플리케이션 코드에는 별도의 검증이 필요하다.
Teleport의 역할
Vue의 Teleport는 실제 컴포넌트의 논리적인 위치와 DOM의 렌더링 위치를 분리하는 기능이다.
예를 들어 Modal을 구현한다고 가정해 보자.
Modal의 상태는 특정 컴포넌트에서 관리한다.
하지만 실제 DOM은 <body> 아래에 배치하고 싶을 수 있다.
이때 Teleport를 사용할 수 있다.
이러한 구조에서는 컴포넌트의 논리적인 부모와 실제 DOM의 부모가 서로 다르다.
따라서 서버에서 생성한 HTML을 브라우저가 다시 연결하는 Hydration 과정이 복잡해질 수 있다.
비활성화된 Teleport의 Hydration 수정
이번 릴리스에서는 비활성화된 Teleport 내부에 다른 Teleport가 중첩된 경우를 수정했다.
관련 변경은 다음과 같다.
claim disabled teleport target anchors before nested teleports
Vue는 Teleport의 실제 위치를 관리하기 위해 DOM Anchor를 사용한다.
하지만 특정 Teleport가 비활성화된 상태에서 중첩된 Teleport를 Hydration하면 Anchor를 잘못 연결할 수 있었다.
이 경우 브라우저에서 다음 현상이 발생할 가능성이 있었다.
- DOM 요소의 잘못된 위치
- Hydration 불일치
- 요소의 중복 또는 누락
- 이후 업데이트의 잘못된 적용
이번 패치는 실제 DOM Anchor를 올바른 순서로 연결하도록 수정했다.
이는 새로운 사용자 API가 아니라 기존 Teleport의 Hydration 정확성을 개선한 것이다.
Teleport 콘텐츠 교체 시 CSS 변수 적용
다음 문제도 수정됐다.
apply css vars to teleported content replaced without patching the teleport
예를 들어 Modal 내부의 콘텐츠가 변경됐다고 가정해 보자.
기존 콘텐츠가 제거된다.
이후 새로운 콘텐츠가 해당 위치에 삽입된다.
하지만 Teleport 자체는 다시 Patch되지 않을 수 있다.
기존에는 이러한 경우 새로운 콘텐츠에 필요한 CSS 변수가 적용되지 않을 수 있었다.
이번 수정은 Teleport 자체의 업데이트 여부와 관계없이 교체된 콘텐츠에 CSS 변수를 적용하도록 한다.
따라서 Teleport와 반응형 Theme를 함께 사용하는 UI에서 관련성이 높다.
Suspense의 비동기 오류 처리
Vue의 Suspense는 비동기 컴포넌트가 준비되는 동안 대체 콘텐츠를 표시하는 데 사용할 수 있다.
예를 들어 비동기 Setup을 사용하는 컴포넌트를 생각해 보자.
- 컴포넌트 생성
- 비동기 데이터 로딩
- 로딩 중 Fallback 표시
- 데이터 준비
- 실제 컴포넌트 표시
하지만 비동기 작업이 완료되기 전에 사용자가 다른 페이지로 이동할 수 있다.
이 경우 기존 컴포넌트는 이미 Unmount됐을 수 있다.
이번 릴리스에서는 Unmount된 컴포넌트에서 나중에 발생한 Async Setup 오류를 처리하는 방식을 수정했다.
이미 제거된 컴포넌트의 오류가 현재 활성화된 화면에 잘못 영향을 주지 않도록 한다.
또한 중첩된 Suspense Boundary가 out-in Transition 도중 해제되는 경우 Mounted Hook이 중복 실행되지 않도록 수정했다.
이러한 변경은 비동기 컴포넌트와 페이지 전환을 함께 사용하는 애플리케이션에서 중요할 수 있다.
Transition의 오래된 Callback 처리
Transition에서도 세 가지 관련 수정이 이루어졌다.
대표적으로 다음 상황이다.
- 요소 A가 등장하는 Animation 시작
- 요소 A가 다른 상태로 변경
- 기존 Animation Callback이 뒤늦게 실행
- 현재 요소에 이전 상태의 Callback 적용
이러한 상황에서는 실제 화면에 존재하는 요소의 상태와 Animation Callback이 서로 달라질 수 있다.
이번 릴리스에서는 오래된 Enter 및 Leave Callback을 무시하도록 변경했다.
또한 퇴장 중인 요소 때문에 관련이 없는 다른 요소의 Enter Animation까지 생략되는 문제도 수정했다.
이러한 변경은 다음 UI에서 영향을 줄 수 있다.
- 탭 전환
- 조건부 Modal
- 페이지 전환
- 빠르게 변경되는 목록
- 애니메이션이 포함된 비동기 컴포넌트
다만 공식 릴리스에는 Animation의 Frame Rate가 얼마나 개선됐는지에 관한 Benchmark가 포함되지 않았다.
TypeScript 설정 해석
Compiler 관련 수정도 포함됐다.
대표적인 변경은 다음과 같다.
tsconfig의 include/exclude를 설정 파일 기준의 상대 경로로 처리- 참조한 설정 파일을 기준으로 configDir 해석
- Generic Type Argument의 Scope 유지
- 사용자가 전달한
onWarnCallback 적용
예를 들어 Monorepo를 생각할 수 있다.
실제 프로젝트의 tsconfig.json은 다른 디렉터리의 공통 설정 파일을 참조할 수 있다.
이 경우 include/exclude 경로를 어떤 파일의 위치를 기준으로 계산하는지가 중요하다.
기존에는 이러한 상대 경로 해석이 잘못될 수 있었다.
이번 변경은 설정 파일의 실제 위치를 기준으로 경로를 해석하도록 수정했다.
적용 범위와 한계
이번 버전에는 여러 Runtime 및 Compiler 수정이 포함됐지만 새로운 주요 사용자 API는 없다.
또한 다음 성능 수치는 제공되지 않았다.
- SSR 처리량
- Hydration 시간
- JavaScript Bundle 크기
- 메모리 사용량
- Transition 실행 시간
따라서 이번 업데이트를 일반적인 성능 개선 릴리스로 해석하기보다는 SSR·Hydration·Teleport·Suspense의 복잡한 실행 경로에서 발생하던 정확성 문제를 수정한 안정 패치로 이해해야 한다.
이번 조사 범위에서 React, Next.js, Vercel의 프레임워크 기능, Nuxt, Angular, Svelte, SvelteKit, Astro, Remix의 이외에 포함할 만한 주요 신규 안정 기능을 확인하지 못했습니다.
개별 개발 브랜치의 Commit과 Canary 릴리스는 정식 안정 기능의 출시와 구분했다.
또한 이전 브리핑에서 다룬 SvelteKit 3.4.0 및 Cloudflare Adapter 9.0.0, Next.js 16.5 Canary의 Turbopack 변경과 Angular 22.3 RC도 반복하지 않았다.
Vercel Functions의 요청 본문 크기 확대는 이번 기간의 별도 발표지만 프레임워크 자체가 아닌 서버 실행 환경의 제한 변경이므로 백엔드·인프라 섹션에서 설명한다.
2️⃣ 웹 플랫폼·브라우저
W3C, 시간과 시간대 처리 가이드 초안 갱신 — Timestamp·Local Date·미래 일정의 의미를 구분
- 발표일: 2026-11-20 — 정확한 게시 시각 미확인
- 발표 주체: W3C Internationalization 관련 작업 그룹
- 문서: Working with Time and Timezones
- 안정화 단계: W3C Group Note Draft
- 적용 대상: 웹 애플리케이션의 날짜·시간 모델, JavaScript, API, 데이터베이스, 일정 관리
- 변경 유형: 기술 가이드의 새 공개 초안. 새로운 JavaScript API나 정식 웹 표준의 출시는 아님
- 원문: https://www.w3.org/TR/2026/DNOTE-timezone-20261120/
W3C가 날짜와 시간대 처리를 설명하는 기술 가이드의 새로운 초안을 11월 20일 공개했다.
이번 문서는 웹 애플리케이션에서 시간을 표현하는 여러 방법을 구분하고, 실제 데이터의 목적에 맞는 저장 및 변환 방법을 설명한다.
특히 다음 세 가지 개념의 차이를 명확하게 다룬다.
- 실제 시간축의 한 순간
- 특정 지역의 시계에 표시되는 날짜와 시간
- 특정 시간대와 관계없이 유지해야 하는 날짜 또는 시간
이는 일정 관리와 예약, 국제 서비스에서 자주 발생하는 오류와 관련된다.
실제 시간축의 한 순간
첫 번째 개념은 특정 순간이다.
대표적인 예는 다음과 같다.
2026-11-20T12:00:00Z
이 값은 UTC 기준의 실제 한 순간을 나타낸다.
예를 들어 서버 로그에 다음 정보가 기록됐다고 가정해 보자.
사용자 A가 결제를 완료한 시각
이러한 정보에서는 실제 사건이 언제 발생했는지가 중요하다.
사용자가 서울에서 접속했는지 뉴욕에서 접속했는지와 관계없이 같은 순간이다.
따라서 실제 시간축에서 비교할 수 있는 값이 적합하다.
W3C는 이러한 경우 Instant 또는 Timestamp 형태를 사용하도록 설명한다.
특히 여러 서버의 로그를 합치거나 이벤트의 순서를 비교하는 경우에 적합하다.
Local Date와 Floating Time
두 번째 개념은 Floating Time이다.
이는 실제 시간축의 특정 순간으로 고정하지 않은 날짜나 시간을 의미한다.
대표적인 예는 생일이다.
예를 들어 다음 값을 생각할 수 있다.
1997-06-01
사용자의 생일이 6월 1일이라면 서울에서도 6월 1일이다.
사용자가 뉴욕으로 이동했다고 해서 생일을 5월 31일로 변경해서는 안 된다.
하지만 해당 값을 무조건 UTC의 자정에 해당하는 Timestamp로 변환하면 문제가 발생할 수 있다.
예를 들어 UTC 자정은 일부 시간대에서 전날 오후에 해당한다.
따라서 날짜만 의미하는 값을 실제 Timestamp로 저장하고 표시 과정에서 시간대를 적용하면 날짜가 달라질 수 있다.
이번 문서는 이러한 날짜를 Floating Time으로 분류한다.
대표적인 값은 다음과 같다.
- 생일
- 기념일
- 날짜만 존재하는 일정
- 매일 같은 시각에 적용되는 운영 규칙
JavaScript Date와의 차이
JavaScript의 Date는 실제 시간축에 연결된 값을 처리하는 데 사용한다.
하지만 실제 모든 날짜 데이터가 특정 순간을 나타내는 것은 아니다.
예를 들어 생일을 Date로 변환하면 애플리케이션은 해당 값에 시간대 정보를 부여할 수 있다.
이러한 과정에서 실제 의미가 변경될 수 있다.
W3C는 JavaScript Temporal의 Plain Date 및 Plain Time 개념도 언급한다.
이는 날짜나 시간을 실제 Instant로 변환하지 않고 표현하기 위한 개념이다.
다만 이번 문서의 공개가 Temporal API의 새로운 안정 브라우저 출시를 의미하는 것은 아니다.
문서에서는 서로 다른 시간 표현의 의미를 설명하기 위해 기존 및 제안된 API를 비교한다.
Timezone과 UTC Offset
이번 문서에서 중요한 부분은 Timezone과 Offset의 차이다.
예를 들어 다음 값을 생각할 수 있다.
2026-11-20T09:00:00+09:00
여기서 +09:00은 UTC와의 차이를 나타낸다.
하지만 이 값만으로 실제 지역의 시간대 규칙을 완전히 알 수는 없다.
반면 다음 식별자는 특정 지역의 시간대를 나타낸다.
Asia/Seoul
Timezone은 실제 지역의 시간 변경 규칙을 포함할 수 있다.
예를 들어 일부 지역에서는 일광절약시간제(DST)를 사용한다.
이 경우 특정 날짜의 UTC Offset이 다른 날짜와 달라질 수 있다.
따라서 미래의 일정을 저장할 때는 단순한 Offset만으로 충분하지 않을 수 있다.
미래 일정과 시간대 규칙 변경
예를 들어 다음 일정을 생각할 수 있다.
2035년 7월 12일 오후 12시, 로스앤젤레스
현재 해당 날짜에 적용될 것으로 예상되는 UTC Offset을 이용해 Timestamp를 계산할 수 있다.
하지만 실제 지역의 DST 정책이 변경될 수 있다.
예를 들어 해당 지역이 일광절약시간제를 폐지한다면 같은 로컬 시각에 해당하는 UTC 순간이 달라진다.
사용자의 의도는 여전히 다음과 같을 수 있다.
로스앤젤레스 현지 시각 정오
하지만 이전에 계산한 UTC Timestamp는 새로운 규칙에서 다른 로컬 시각으로 표시될 수 있다.
따라서 W3C는 미래 일정의 경우 Timezone을 유지하는 것이 중요하다고 설명한다.
특히 미래 일정이 실제로 실행되기 전에 시간대 데이터베이스가 변경되면 저장한 Instant를 다시 계산해야 할 수 있다.
반복 일정
이번 가이드는 반복 일정도 별도로 다룬다.
예를 들어 다음 규칙을 생각할 수 있다.
매주 월요일 오전 9시
이러한 규칙은 실제 UTC 기준으로 7일마다 정확히 168시간 뒤에 실행되는 것과 다를 수 있다.
DST가 변경되는 지역에서는 같은 로컬 시각 사이의 실제 시간 간격이 달라질 수 있기 때문이다.
예를 들어 DST가 시작되는 주에는 특정 지역의 오전 9시에 해당하는 UTC 시각이 변경될 수 있다.
따라서 반복 일정에서는 다음 정보를 구분해야 한다.
- 반복 규칙
- 사용자가 의도한 로컬 시각
- 적용할 Timezone
- 실제 실행할 Instant
이러한 정보를 하나의 UTC Timestamp만으로 표현하기는 어려울 수 있다.
날짜에 하루를 더하는 계산
W3C는 날짜 계산의 의미도 설명한다.
예를 들어 다음 두 작업은 서로 다를 수 있다.
첫 번째는 실제 Timestamp에 24시간을 더하는 것이다.
두 번째는 로컬 달력 날짜에 하루를 더하는 것이다.
DST가 변경되는 날에는 하루가 실제로 23시간 또는 25시간에 해당할 수 있다.
따라서 실제 달력의 다음 날을 구하려는 경우에 무조건 24시간을 더하면 잘못된 결과가 발생할 가능성이 있다.
또한 월과 년은 실제 날짜마다 길이가 다르다.
따라서 단순한 밀리초 계산으로 모든 달력 연산을 처리하는 것은 적절하지 않을 수 있다.
데이터베이스 설계
이번 가이드는 SQL 데이터 타입과도 연결된다.
예를 들어 다음 타입이 존재한다.
- DATE
- TIME
- TIMESTAMP
- TIMESTAMP WITH TIME ZONE
실제로 어떤 타입이 적합한지는 데이터의 의미에 따라 달라진다.
생일처럼 날짜만 필요한 정보라면 DATE가 적합할 수 있다.
반면 실제 결제가 완료된 순간을 기록하려면 시간축에 연결된 Timestamp가 필요하다.
그리고 미래의 예약처럼 로컬 시각이 중요하다면 Timezone도 유지해야 할 수 있다.
다만 실제 SQL 타입의 구현은 데이터베이스 제품마다 차이가 존재할 수 있다.
특히 TIMESTAMP WITH TIME ZONE이라는 이름만으로 모든 DB가 원래 IANA Timezone을 그대로 저장한다고 판단해서는 안 된다.
실제 사용하는 데이터베이스의 동작을 확인해야 한다.
문서의 안정화 단계
이번 문서는 Group Note Draft다.
따라서 다음 사실을 구분해야 한다.
- W3C가 시간 처리에 관한 가이드 초안을 공개함
- 새로운 규범적 웹 표준이 정식 확정됨
- 모든 브라우저에서 새로운 날짜 API를 지원함
이번에 확인된 것은 첫 번째다.
또한 문서에는 특정 성능 개선이나 브라우저 실행 속도에 관한 Benchmark가 포함되지 않았다.
이번 공개 초안은 웹 애플리케이션에서 시간 값을 저장할 때 실제 사건의 순간과 사용자의 로컬 시각, 날짜만 표현하는 데이터를 구분해야 한다는 점을 구체적인 예제로 설명하는 기술 자료다.
이번 조사 범위에서 WHATWG, TC39, MDN, Chrome·Chromium, Firefox·Mozilla, WebKit·Safari의 이외에 포함할 만한 주요 신규 안정 기능을 확인하지 못했습니다.
공식 규격의 문서 수정과 브라우저 개발 브랜치의 변경, 일반 사용자에게 기본 제공되는 안정 기능은 구분했다.
이전 브리핑에서 소개한 Firefox 160의 WebTransport 변경과 WebKit의 Global Privacy Control API도 반복하지 않았다.
3️⃣ 백엔드·인프라
Vercel Functions, HTTP 요청 본문 한도를 4.5MB에서 20MiB로 확대 — Middleware의 Body 접근 제한에 주의
- 발표일: 2026-11-20 — 정확한 게시 시각 미확인
- 발표 주체: Vercel
- 안정화 단계: Public Beta, 명시적인 Opt-in 필요
- 적용 대상: Node.js·Python·Bun Runtime의 Vercel Functions, 지원되는 Routing Middleware
- 새 요청 본문 한도: 최대 20MiB
- 기존 한도: 4.5MB
- 필요 설정: VERCEL_SUPPORT_LARGE_REQUEST_BODY=1
- 필요 Function Memory: 4GB Performance Memory
- 원문: https://vercel.com/changelog/vercel-functions-now-support-request-bodies-up-to-20mib
Vercel이 Functions에서 받을 수 있는 HTTP 요청 본문의 최대 크기를 확대했다.
이번 변경은 특히 파일 업로드와 대용량 JSON 요청을 처리하는 웹 애플리케이션에 영향을 준다.
하지만 중요한 제한사항이 존재한다.
20MiB 한도는 모든 Function에서 자동으로 활성화되지 않으며, 활성화하면 Routing Middleware에서 요청 본문을 읽을 수 없게 된다.
따라서 기존 API와 Middleware의 역할을 구분해야 한다.
기존 4.5MB 제한
예를 들어 Next.js에서 다음 API를 구현했다고 가정해 보자.
POST /api/upload
사용자는 10MB 크기의 파일을 업로드한다.
하지만 기존 Vercel Functions의 요청 본문 한도는 4.5MB였다.
이 경우 요청이 실제 API Handler까지 도달하기 전에 거부될 수 있다.
대표적인 HTTP 상태 코드는 다음과 같다.
413 Payload Too Large
기존에는 이러한 문제를 해결하기 위해 브라우저에서 Storage로 직접 업로드하는 구조를 사용할 수 있었다.
이번 기능에서는 일부 파일과 대용량 JSON을 Function으로 직접 전달할 수 있는 범위가 넓어졌다.
새로운 한도
새로운 요청 본문 한도는 다음과 같다.
20MiB
1MiB는 1,048,576바이트다.
따라서 20MiB는 다음 크기에 해당한다.
20,971,520바이트
기존의 4.5MB와 비교하면 더 큰 요청을 처리할 수 있다.
하지만 실제 메모리에 해당 크기의 데이터만 존재하는 것은 아닐 수 있다.
예를 들어 JSON을 파싱하면 원본 Byte Buffer 외에도 JavaScript 객체가 생성될 수 있다.
따라서 실제 메모리 사용량은 요청 본문의 크기보다 커질 수 있다.
활성화 방법
이번 기능은 Public Beta다.
개발자는 다음 환경 변수를 지정해야 한다.
VERCEL_SUPPORT_LARGE_REQUEST_BODY=1
이 설정은 해당 환경의 프로젝트 전체에 적용된다.
예를 들어 Preview 환경에서 먼저 활성화할 수 있다.
이후 실제 업로드와 API 요청을 검증한 다음 Production 환경에도 적용할 수 있다.
따라서 특정 Function 하나의 요청에만 새로운 한도를 적용하는 옵션과는 다르다.
또한 해당 프로젝트의 Function은 4GB Performance Memory 설정을 사용해야 한다.
따라서 작은 메모리 설정을 사용하는 Function에서 환경 변수만 추가하면 모든 조건이 충족되는 것은 아니다.
지원 Runtime
이번 기능은 다음 Runtime을 지원한다.
- Node.js
- Python
- Bun
하지만 Edge Runtime에서는 새로운 한도가 적용되지 않는다.
Edge Runtime의 요청 본문 한도는 기존과 같이 4.5MB다.
따라서 초과 요청에는 413 응답이 발생할 수 있다.
예를 들어 Next.js에서 Edge Runtime을 사용하는 API가 있다고 가정해 보자.
이 경우 해당 API의 Runtime을 Node.js로 변경하는 방법을 검토할 수 있다.
대표적인 설정은 다음과 같다.
runtime: 'nodejs'
또한 Next.js의 Routing Middleware를 사용하는 프로젝트에서는 proxy.ts를 이용한 Node.js 경로를 검토할 수 있다.
하지만 실제 프로젝트의 Next.js 버전과 배포 구성을 확인해야 한다.
Middleware의 요청 본문 접근 제한
이번 업데이트에서 가장 중요한 변경이다.
새로운 한도를 활성화하면 Routing Middleware에는 다음 정보가 전달된다.
- Request Header
- 요청 Metadata
반면 실제 Request Body는 전달되지 않는다.
예를 들어 다음 구조를 생각할 수 있다.
- 브라우저에서 15MiB 요청 전송
- Routing Middleware 실행
- API Function 실행
만약 Middleware와 실제 Function이 모두 전체 Body를 받는다면 같은 데이터를 두 번 전달해야 할 수 있다.
이러한 구조는 네트워크 비용과 Time to First Byte에 영향을 줄 수 있다.
Vercel은 이를 피하기 위해 Middleware에 Body를 전달하지 않도록 변경했다.
따라서 실제 Middleware가 다음 작업을 수행하고 있었다면 문제가 발생할 수 있다.
- Body를 읽어 인증 정보 확인
- JSON 데이터 검사
- Body Hash 계산
- 업로드 파일의 Metadata 분석
새로운 설정에서는 이러한 작업을 Middleware에서 수행할 수 없다.
필요하다면 실제 Function Handler 또는 다른 처리 계층으로 이동해야 한다.
대용량 요청의 메모리 관리
Vercel은 큰 요청 본문을 빠르게 읽도록 권장한다.
예를 들어 HTTP 요청이 도착했지만 실제 서버가 Body를 오랫동안 읽지 않는다고 가정해 보자.
이 경우 네트워크와 Runtime의 Buffer에 데이터가 쌓일 수 있다.
또한 큰 데이터를 한 번에 메모리로 읽으면 불필요한 메모리 사용량이 발생할 수 있다.
따라서 실제 업로드에서는 Streaming 처리와 메모리 사용량을 고려해야 한다.
하지만 20MiB 한도를 사용할 수 있다는 사실만으로 모든 파일 업로드를 Function에서 직접 처리하는 것이 가장 적합하다는 의미는 아니다.
큰 파일이 많거나 업로드 시간이 길다면 Storage에 직접 업로드하는 방식이 여전히 유리할 수 있다.
적용 범위와 한계
이번 기능은 Public Beta다.
따라서 이후 지원 범위와 설정 방법이 변경될 수 있다.
또한 이번 발표에는 다음 수치가 포함되지 않았다.
- 업로드 처리 시간의 전후 비교
- Function의 메모리 사용량
- 대용량 요청의 P95 지연
- Streaming 처리의 실제 성능
새로운 요청 본문 한도는 처리할 수 있는 데이터의 크기를 확대한 것이지, 모든 대용량 요청을 더 빠르게 처리하도록 만든 성능 개선은 아니다.
이번 업데이트는 Vercel Functions에서 더 큰 HTTP 요청을 처리할 수 있도록 지원하되, Middleware의 Body 접근을 제한하는 중요한 실행 구조상의 트레이드오프를 포함한 Public Beta 기능이다.
Cloudflare Browser Run, JavaScript Custom Script 실행 API 공개 — Worker를 배포하지 않고 Playwright·Puppeteer 자동화 실행
- 발표일: 2026-11-20 — 정확한 게시 시각 미확인
- 발표 주체: Cloudflare
- 안정화 단계: 공식 API 기능 공개
- 적용 대상: Browser Run, Playwright, Puppeteer, Chrome DevTools Protocol
- 신규 API: POST /script, POST /script/:sessionId
- 지원 방식: 격리된 Worker에서 사용자 Script 실행
- 원문: https://developers.cloudflare.com/changelog/post/2026-11-20-script-endpoint/
Cloudflare가 Browser Run에서 사용자가 직접 작성한 JavaScript 자동화 코드를 실행할 수 있는 새로운 API를 공개했다.
이번 기능은 기존 Screenshot이나 PDF 추출 API와 다르다.
개발자가 실제 브라우저에서 수행할 작업을 JavaScript 함수로 작성해 전달할 수 있다.
Cloudflare는 해당 함수를 격리된 Worker에서 실행하고 브라우저 세션에 연결한다.
특히 중요한 점은 브라우저 자동화를 수행하기 위해 별도의 Cloudflare Worker를 배포할 필요가 없다는 사실이다.
기존 브라우저 자동화 구조
예를 들어 상품 페이지의 정보를 수집하는 서비스를 생각할 수 있다.
서비스는 다음 작업을 수행해야 한다.
- 상품 페이지 열기
- JavaScript 실행 대기
- 특정 버튼 클릭
- 상품 정보 추출
- 결과 반환
기존에는 실제 브라우저를 실행할 별도의 서버나 Worker를 구성해야 할 수 있었다.
또는 미리 정의된 Browser Run API만 사용해야 했다.
하지만 실제 웹사이트마다 필요한 작업이 다르다.
예를 들어 어떤 사이트에서는 로그인 버튼을 클릭해야 한다.
다른 사이트에서는 특정 Modal을 닫아야 할 수 있다.
이번 Custom Script 기능은 이러한 작업을 JavaScript 코드로 표현하도록 한다.
POST /script
첫 번째 API는 다음과 같다.
POST /script
개발자는 다음 정보를 전달한다.
- 실행할 JavaScript 함수
- 사용할 브라우저 자동화 라이브러리
- 필요한 실행 옵션
예를 들어 다음 JavaScript 함수를 전달할 수 있다.
async ({ page }) => {
await page.goto("https://example.com");
return {
title: await page.title()
};
}
Cloudflare는 실제 브라우저를 생성한다.
이후 해당 함수를 실행한다.
결과는 JSON으로 반환한다.
대표적인 응답 구조는 다음과 같다.
{
"success": true,
"result": {
"title": "Example Domain"
}
}
따라서 단순히 Screenshot만 반환하는 것이 아니라 개발자가 직접 정의한 구조화 데이터를 반환할 수 있다.
지원 라이브러리
이번 API는 다음 방식의 Script를 지원한다.
- Playwright
- Puppeteer
- Chrome DevTools Protocol
따라서 기존에 Playwright로 브라우저 자동화 코드를 작성한 개발자가 비슷한 방식으로 Cloudflare Browser Run을 사용할 수 있다.
하지만 해당 라이브러리의 모든 로컬 기능이 원격 브라우저 실행 환경에서도 동일하게 동작한다고 보장할 수는 없다.
실제로 사용하는 Browser Run 환경과 API의 지원 범위를 확인해야 한다.
Session 재사용
이번 기능에서는 브라우저 세션을 재사용할 수 있다.
첫 번째 요청을 실행하면 응답 Header에 다음 정보가 포함될 수 있다.
- cf-browser-session-id
- cf-browser-target-id
이후 다음 API를 사용할 수 있다.
POST /script/:sessionId
예를 들어 첫 번째 Script에서 로그인했다고 가정해 보자.
이후 두 번째 Script에서 로그인한 상태의 페이지를 분석할 수 있다.
따라서 매번 새로운 브라우저를 생성하고 로그인 작업을 반복할 필요가 줄어든다.
또한 targetId를 지정해 특정 페이지에 연결할 수 있다.
같은 Browser Session에서 여러 Page를 생성해 작업을 수행하는 것도 지원한다.
Session 종료
이번 기능에는 중요한 제한사항이 존재한다.
Script 실행이 완료됐다고 해서 브라우저 세션이 자동으로 종료되지는 않는다.
따라서 실제 작업이 완료됐다면 Session을 명시적으로 종료해야 한다.
대표적인 방법은 다음과 같다.
DELETE /devtools/browser/:sessionId
또는 Browser 객체에서 다음 메서드를 사용할 수 있다.
browser.close()
종료하지 않은 세션은 Idle Timeout까지 유지될 수 있다.
따라서 실제 실행 비용과 사용 가능한 Session 수를 고려해야 한다.
이번 API가 단일 요청으로 코드를 실행한다고 해서 브라우저의 수명 관리까지 자동으로 완료되는 것은 아니다.
Workers Binding
이번 기능은 외부 REST API뿐 아니라 Cloudflare Worker에서도 사용할 수 있다.
대표적인 API는 다음과 같다.
env.BROWSER.script()
이 방식에서는 별도의 API Token을 전달하지 않고 Browser Binding을 사용할 수 있다.
따라서 기존 Workers 애플리케이션에서 브라우저 자동화 작업을 호출할 수 있다.
하지만 실제 Worker의 권한과 Binding 설정은 필요하다.
Script Studio
Cloudflare Dashboard에서는 Script Studio도 사용할 수 있다.
이 화면에서는 실제 Browser Session에 연결된 상태로 Script를 작성하고 실행할 수 있다.
따라서 초기 자동화 코드를 검증할 때 별도의 로컬 서버를 구성하지 않아도 된다.
또한 Kitesurf Browser에서는 CDP Script를 사용할 수 있다.
다만 Kitesurf 실행에서는 일반적인 Browser Run과 반환하는 Session Header에 차이가 존재할 수 있다.
보안과 실행 비용
이번 기능은 사용자가 작성한 코드를 Cloudflare의 격리된 Worker에서 실행한다.
하지만 격리된 실행 환경을 제공한다는 사실만으로 모든 자동화 코드가 안전하다는 의미는 아니다.
예를 들어 실제 Script가 다음 작업을 수행할 수 있다.
- 외부 URL 접근
- 사용자 계정으로 로그인
- Form 제출
- 서비스의 데이터를 변경하는 버튼 클릭
따라서 브라우저 자동화가 어떤 사이트와 계정에 접근할 수 있는지 관리해야 한다.
또한 실제 실행 중인 Browser Session에는 사용량과 비용이 발생할 수 있다.
공식 발표에는 기존의 직접 배포한 Worker 방식과 비교한 실행 시간이나 비용 Benchmark가 포함되지 않았다.
이번 업데이트는 브라우저 자동화 코드를 직접 배포하지 않고 API로 실행하면서 Session을 유지하거나 재사용할 수 있도록 Browser Run의 실행 인터페이스를 확장한 기능이다.
Amazon EventBridge Scheduler, 81개 AWS 서비스의 API Action 589개와 Custom Event Bus 직접 호출 지원
- 발표일: 2026-11-20 — 정확한 게시 시각 미확인
- 발표 주체: AWS
- 안정화 단계: 정식 기능 확대
- 적용 대상: Amazon EventBridge Scheduler, Custom Event Bus
- 신규 지원: 81개 서비스의 API Action 589개
- 주요 기능: PutEvents·PutRawEvents를 Scheduler에서 직접 호출
- 원문: https://aws.amazon.com/about-aws/whats-new/2026/11/eventbridge-scheduler-new-api-actions/
AWS가 EventBridge Scheduler에서 직접 호출할 수 있는 API 범위를 확대했다.
이번 변경은 새로운 Scheduler 제품을 출시한 것이 아니다.
이미 제공되던 서버리스 Scheduler가 더 많은 AWS API를 직접 호출하도록 지원 범위를 확대한 것이다.
또한 Enhanced Custom Event Bus를 Scheduler의 Target으로 지정할 수 있도록 변경했다.
특히 정기적인 작업을 실행하기 위해 단순히 중간 API를 호출하는 Lambda를 별도로 작성해야 했던 일부 구조를 단순화할 수 있다는 점이 중요하다.
기존 Scheduler의 역할
예를 들어 전자상거래 서비스가 있다고 가정해 보자.
매일 자정에 다음 작업을 실행해야 한다.
- 전날 주문 집계
- 정산 작업 시작
- 관련 이벤트 발행
- 결과 확인
기존에는 Scheduler가 Lambda를 호출하도록 구성할 수 있다.
Lambda는 실제 API를 호출한다.
이후 해당 API가 다른 서비스를 실행한다.
하지만 Lambda의 역할이 단순히 다른 AWS API를 호출하는 것뿐이라면 불필요한 중간 계층일 수 있다.
이번 변경에서는 Scheduler가 더 많은 AWS API를 직접 호출할 수 있다.
589개 신규 API Action
이번 업데이트에서는 81개 AWS 서비스의 589개 API Action을 추가로 지원한다.
따라서 기존보다 더 다양한 AWS 서비스를 Scheduler의 Target으로 지정할 수 있다.
하지만 모든 AWS API를 무조건 지원한다는 의미는 아니다.
실제 지원하는 API Action과 지역을 확인해야 한다.
또한 Scheduler가 API를 호출하려면 해당 Target에 대한 적절한 IAM 권한이 필요하다.
Custom Event Bus 직접 호출
이번 업데이트의 중요한 기능은 Custom Event Bus에 대한 직접적인 Event 전송이다.
지원하는 API는 다음과 같다.
- PutEvents
- PutRawEvents
예를 들어 다음 작업을 생각할 수 있다.
매일 자정 정산 이벤트 생성
기존에는 다음 구조를 사용할 수 있었다.
EventBridge Scheduler
↓
Lambda
↓
Custom Event Bus
↓
정산 처리 서비스
새로운 방식에서는 다음 구조를 사용할 수 있다.
EventBridge Scheduler
↓
Custom Event Bus
↓
정산 처리 서비스
따라서 Lambda가 단순한 API 전달 역할만 수행하는 경우에는 해당 계층을 제거할 수 있다.
하지만 Event를 생성하기 전에 복잡한 데이터 조회나 변환이 필요하다면 여전히 별도의 실행 코드가 필요할 수 있다.
이벤트 Metadata
새로운 Templated Target에서는 각 Event에 필요한 Metadata를 추가할 수 있다.
예를 들어 다음 정보를 생각할 수 있다.
- Event Source
- Event Type
- 실행 대상 날짜
- 관련 작업 ID
이러한 정보는 이후 Event Bus에서 실제 이벤트를 분류하는 데 사용할 수 있다.
따라서 이벤트를 수신하는 서비스는 해당 Metadata를 기준으로 처리 작업을 선택할 수 있다.
실패와 중복 실행
Scheduler가 API를 직접 호출한다고 해서 모든 실패가 사라지는 것은 아니다.
예를 들어 Event Bus에 요청을 전달하는 과정에서 일시적인 네트워크 오류가 발생할 수 있다.
또는 실제 이벤트는 정상적으로 전달됐지만 응답이 손실될 수 있다.
따라서 작업을 재시도하는 경우 같은 이벤트가 중복 처리될 가능성을 고려해야 한다.
실제로 주문 정산이나 결제와 같이 상태를 변경하는 작업은 Idempotency가 필요할 수 있다.
즉 같은 작업이 두 번 전달되더라도 실제 결과가 중복으로 적용되지 않도록 설계해야 한다.
지원 지역
589개 신규 API Action은 EventBridge Scheduler가 제공되는 상용 AWS 리전에서 사용할 수 있다.
다만 실제 Target Service가 해당 지역에서 지원돼야 한다.
Custom Event Bus의 Templated Target은 Enhanced Custom Event Bus가 제공되는 지역에서 사용할 수 있다.
따라서 모든 Scheduler 지역에서 모든 Target 기능이 동일하게 지원되는 것은 아니다.
적용 범위와 한계
이번 발표에는 다음 성능 수치가 포함되지 않았다.
- Lambda를 제거한 구조의 응답 시간
- Event 처리량
- 실제 비용 감소율
- Scheduler 실행 정확도
따라서 단순한 Lambda 계층을 제거하면 전체 작업이 얼마나 빨라지는지 구체적인 수치로 단정할 수 없다.
이번 업데이트는 정기적인 서버리스 작업에서 직접 호출할 수 있는 AWS API의 범위를 확대하고 Custom Event Bus에 대한 중간 Lambda 의존성을 줄일 수 있도록 한 정식 기능이다.
Amazon VPC Lattice, 데이터베이스·내부 API에 대한 TCP 통신 Metric 제공 — 연결 실패와 포트 부족을 CloudWatch에서 관찰
- 발표일: 2026-11-20 — 정확한 게시 시각 미확인
- 발표 주체: AWS
- 안정화 단계: 정식 기능
- 적용 대상: Amazon VPC Lattice의 VPC Resource
- 주요 기능: Layer 4 TCP 트래픽 Metric, Availability Zone별 분석, CloudWatch Alarm
- 지원 지역: VPC Lattice를 제공하는 AWS 리전
- 원문: https://aws.amazon.com/about-aws/whats-new/2026/11/vpc-lattice-cloudwatch-metrics/
AWS가 VPC Lattice를 통해 공유하는 VPC Resource의 트래픽 Metric을 CloudWatch에 제공한다고 발표했다.
이번 변경은 VPC Lattice의 새로운 네트워크 연결 방식이 아니다.
기존에 연결할 수 있던 내부 Resource의 실제 TCP 통신 상태를 더 자세하게 관찰할 수 있도록 Observability를 확장한 것이다.
특히 데이터베이스와 내부 서비스의 연결 문제가 발생했을 때 실제 요청이 어느 계층에서 실패하는지 분석하는 데 활용할 수 있다는 점이 중요하다.
VPC Lattice의 역할
예를 들어 다음 구조를 생각할 수 있다.
- 서비스 A: 웹 API
- 서비스 B: 내부 데이터베이스
- 서비스 C: 다른 AWS 계정의 백엔드
이러한 서비스는 서로 다른 VPC 또는 계정에 존재할 수 있다.
하지만 실제 네트워크 연결을 제공해야 한다.
VPC Lattice는 이러한 서비스와 Resource를 연결하고 접근 정책을 관리하는 데 사용할 수 있다.
이번 업데이트는 실제 Resource Gateway와 Resource Endpoint의 TCP 트래픽 상태를 CloudWatch에서 확인하도록 한다.
기존 Access Log의 한계
기존에는 Resource Access Log를 이용해 관련 트래픽을 분석할 수 있었다.
하지만 실제 로그는 후처리가 필요할 수 있다.
예를 들어 다음 상황이다.
데이터베이스 연결이 갑자기 감소했다.
개발자는 로그를 확인하고 관련 요청을 집계해야 할 수 있다.
반면 CloudWatch Metric에서는 실제 연결 수와 전송량을 시간에 따라 직접 관찰할 수 있다.
따라서 운영 Dashboard와 Alarm에 연결하기 쉬워진다.
Resource Owner와 Consumer
이번 기능은 두 역할을 구분한다.
첫 번째는 Resource Owner다.
Resource를 공유하는 측이다.
두 번째는 Resource Consumer다.
공유한 Resource에 접근하는 측이다.
Resource Owner는 다음 대상의 Metric을 확인할 수 있다.
- Resource Gateway
- Resource Configuration
Resource Consumer는 다음 대상의 Metric을 확인할 수 있다.
- Resource Endpoint
- Service Network Endpoint
- Service Network VPC Association
따라서 실제 Resource를 제공하는 측과 사용하는 측이 각자의 연결 상태를 관찰할 수 있다.
주요 Metric
이번 기능에서는 다음 정보를 제공한다.
| Metric | 용도 |
|---|---|
| Bytes Processed | 전송 데이터량 확인 |
| New Flows | 새로운 연결 흐름 |
| Active Flows | 현재 활성 연결 |
| Dropped Packets | 폐기된 패킷 |
| Port Allocation Errors | 포트 할당 실패 |
예를 들어 웹 API가 PostgreSQL에 연결한다고 가정해 보자.
일반적으로는 일정한 수의 TCP 연결이 유지된다.
하지만 갑자기 New Flows가 0이 됐다면 연결 생성에 문제가 발생했을 수 있다.
또는 Dropped Packets가 증가하면 네트워크 경로와 Resource 상태를 조사할 수 있다.
다만 Metric의 변화 하나만으로 실제 장애의 원인을 확정할 수는 없다.
애플리케이션이 정상적으로 유휴 상태에 들어간 경우에도 New Flows가 감소할 수 있기 때문이다.
Port Allocation Error
Resource Gateway에서는 포트 할당 오류도 확인할 수 있다.
이 Metric은 실제 Gateway가 충분한 연결 자원을 확보하지 못한 상황을 나타낼 수 있다.
AWS는 이러한 오류가 증가한다면 Network Interface에 추가 IPv4 주소가 필요한지 검토하도록 설명한다.
예를 들어 매우 많은 서비스가 하나의 Resource Gateway를 통해 데이터베이스에 연결한다고 가정해 보자.
실제 연결 수가 증가하면 포트 자원이 부족할 수 있다.
이 경우 애플리케이션 코드가 정상이더라도 새로운 연결이 실패할 가능성이 있다.
따라서 포트 할당 Metric을 이용해 이러한 문제를 관찰할 수 있다.
Availability Zone별 분석
이번 Metric은 Availability Zone을 기준으로 구분할 수 있다.
예를 들어 특정 AZ에서만 연결 실패가 발생한다고 가정해 보자.
전체 리전의 평균값만 확인하면 문제가 작게 나타날 수 있다.
하지만 AZ별로 구분하면 특정 네트워크 경로에서 발생한 문제를 발견하기 쉬워진다.
AWS는 이를 이용해 다음 작업을 수행할 수 있다고 설명한다.
- 특정 AZ의 연결 문제 분석
- 네트워크 설정 변경 이후 검증
- 공유 Resource의 용량 계획
- CloudWatch Alarm 설정
적용 범위와 한계
이번 기능은 TCP 기반 Layer 4 Resource에 관한 Metric이다.
따라서 모든 애플리케이션의 HTTP Request와 Response Body, SQL Query의 처리 시간을 직접 분석하는 기능은 아니다.
예를 들어 TCP 연결이 정상적이더라도 데이터베이스의 Query가 느릴 수 있다.
이러한 경우 실제 데이터베이스 Metric을 별도로 확인해야 한다.
이번 발표에는 Metric 수집으로 인한 처리량 변화나 추가 지연에 관한 Benchmark가 포함되지 않았다.
이번 업데이트는 VPC Lattice의 공유 Resource에 대한 네트워크 연결 상태를 CloudWatch에서 직접 분석하고, 연결 부족과 패킷 손실을 운영 Metric으로 확인할 수 있도록 한 Observability 확장이다.
그 밖에 AWS, Google Cloud, Azure의 공식 발표와 서버리스·데이터베이스·API 변경 기록을 조사했다.
이번 기간에는 Amazon Aurora MySQL 8.4.12도 정식 제공됐다.
해당 버전에는 MySQL의 기존 CVE에 대한 보안 수정과 버그 수정이 포함돼 있다.
- 발표일: 2026-11-20 — 정확한 게시 시각 미확인
- 안정화 단계: Generally Available
- 원문: https://aws.amazon.com/about-aws/whats-new/2026/11/amazon-aurora-mysql-8412-available/
기존 Aurora MySQL 8.4 Cluster는 Maintenance Window의 자동 마이너 업그레이드 또는 수동 업그레이드 방식으로 해당 버전을 적용할 수 있다.
AWS는 여러 Cluster를 운영하는 경우 Upgrade Rollout Policy를 이용해 중요도가 낮은 환경부터 단계적으로 업그레이드할 수 있도록 안내한다.
이는 새 데이터베이스 제품의 출시가 아니라 기존 Aurora MySQL 계열의 보안 및 유지보수 업데이트다.
개별 CVE의 영향 범위와 실제 수정 내용은 Aurora MySQL 및 MySQL 8.4.12의 공식 릴리스 노트를 통해 확인해야 한다.
이번 조사 범위에서 이외에 포함할 만한 주요 신규 백엔드·인프라 발표를 확인하지 못했습니다.
4️⃣ 개발 도구 및 보안
Google Cloud, Java4Shell 관련 Java Runtime 수정 버전 배포 — Cloud Run·App Engine·Buildpacks의 업데이트 방식 구분
- 발표일: 2026-11-20 — 정확한 게시 시각 미확인
- 발표 주체: Google Cloud
- 관련 취약점: CVE-2026-114938
- 기존 보안 권고 공개일: 2026-11-17
- 이번 변경: Google Cloud의 Java Runtime 수정 버전 제공
- 적용 대상: App Engine Standard·Flexible, Buildpacks, Cloud Run, Cloud Run Functions
- 수정 버전: Java 17.0.21.1+2, 21.0.13.1+2, 25.0.5.1+2
- 공식 원문: https://docs.cloud.google.com/release-notes
- 보안 권고: https://docs.cloud.google.com/support/bulletins
Google Cloud가 Java Runtime의 중요한 취약점을 수정한 버전을 여러 관리형 실행 환경에 적용한다고 발표했다.
이번 변경은 Java4Shell 취약점의 최초 공개가 아니다.
해당 취약점은 이전에 공개됐으며, Cloudflare의 WAF 대응도 이전 브리핑에서 다뤘다.
11월 20일의 새로운 발표는 Google Cloud의 각 Java 실행 환경에서 사용할 수 있는 수정 Runtime이 공개됐고, 실제 사용자가 어떤 작업을 수행해야 하는지 구체적으로 안내했다는 점이다.
수정된 Java 버전
Google Cloud가 공개한 수정 버전은 다음과 같다.
| Java 계열 | 수정 버전 |
|---|---|
| Java 17 | 17.0.21.1+2 |
| Java 21 | 21.0.13.1+2 |
| Java 25 | 25.0.5.1+2 |
이번 수정은 Java의 Base64 처리와 관련된 보안 문제에 대응한다.
하지만 실제 취약점의 영향은 Runtime 버전과 CPU, 관련 코드의 실행 경로에 따라 달라질 수 있다.
따라서 Java를 사용한다는 사실만으로 모든 서비스가 동일한 위험에 노출됐다고 단정해서는 안 된다.
App Engine Standard
App Engine Standard의 Java Runtime은 수정 버전을 자동으로 적용받는다.
Google Cloud는 다음과 같이 안내한다.
No action required
따라서 사용자가 직접 JDK를 다운로드해 서버에 설치해야 하는 구조는 아니다.
다만 기존에 실행 중인 Warm Instance가 즉시 새로운 Runtime으로 변경되지 않을 수 있다.
해당 인스턴스를 즉시 갱신하려면 애플리케이션을 다시 배포할 수 있다.
또한 이전에 임시 완화 설정을 추가했다면 수정 Runtime 적용 이후 해당 설정을 제거하고 재배포해야 한다.
App Engine Flexible
App Engine Flexible에서는 대응 방법이 다르다.
Google Cloud는 애플리케이션을 다시 빌드하고 재배포하도록 안내한다.
즉 수정 Runtime이 공개됐다는 사실만으로 기존 배포 결과물이 자동으로 변경된다고 가정해서는 안 된다.
실제로 새로운 Java Runtime을 포함하는 빌드 결과물을 만들어야 한다.
이는 기존 Container Image와 실행 환경의 구성 방식이 다르기 때문이다.
Cloud Run
Cloud Run에서는 Base Image 업데이트 방식에 따라 대응이 달라진다.
첫 번째는 Automatic Base Image Update를 활성화한 환경이다.
이 경우 수정 Runtime을 자동으로 적용받을 수 있다.
다만 기존 Warm Instance를 즉시 갱신하려면 다시 배포할 수 있다.
두 번째는 사용자 정의 Container를 사용하는 환경이다.
이 경우 실제 Container Image 안에 취약한 JDK가 포함돼 있을 수 있다.
따라서 수정 JDK 또는 Base Image로 다시 빌드한 뒤 배포해야 한다.
Google Cloud는 다음 대상도 명시적으로 언급했다.
- Cloud Run Jobs
- Worker Pools
- 자동 Base Image 업데이트를 사용하지 않는 배포
이러한 환경에서는 재빌드 및 재배포가 필요하다.
Cloud Run Functions
Cloud Run Functions에서도 자동 Base Image 업데이트를 활성화한 경우에는 수정 Runtime을 자동으로 적용받을 수 있다.
반면 자동 업데이트를 사용하지 않는 경우에는 재배포해야 한다.
따라서 실제 Function의 배포 설정에 따라 대응이 달라진다.
임시 완화 설정의 제거
Google Cloud는 취약점에 대한 임시 완화 방법으로 JDK_JAVA_OPTIONS를 사용할 수 있다고 안내했다.
예를 들어 특정 CPU 가속 경로를 비활성화하는 설정이 존재할 수 있다.
하지만 해당 설정은 임시 대응책이다.
수정 Runtime을 적용한 이후에는 관련 플래그를 제거하도록 안내한다.
이유는 임시 설정이 실제 Java Runtime의 성능과 실행 경로에 영향을 줄 수 있기 때문이다.
따라서 수정 버전을 적용한 이후에도 이전의 임시 설정을 무조건 유지하는 것은 적절하지 않을 수 있다.
실제 Container의 Java 버전 확인
이번 업데이트에서 중요한 부분은 애플리케이션이 실행하는 실제 Java Runtime이다.
예를 들어 개발자의 로컬 MacBook에는 수정된 Java가 설치돼 있다고 가정해 보자.
하지만 Cloud Run의 Container Image에는 이전 JDK가 포함돼 있을 수 있다.
이 경우 로컬 Java 버전만 확인해서는 충분하지 않다.
실제 운영 Container에서 사용 중인 JDK와 Base Image를 확인해야 한다.
특히 다음 환경에서는 주의해야 한다.
- Dockerfile에 특정 JDK 버전 고정
- 자체 제작 Base Image
- 오래된 Container Image 재사용
- 여러 단계의 Container Build
적용 범위와 한계
이번 발표는 Java Runtime의 보안 수정에 관한 것이다.
따라서 애플리케이션 코드와 모든 Java 의존성의 취약점을 자동으로 수정하는 것은 아니다.
또한 이번 보안 패치가 실제 요청 처리 성능에 어떤 영향을 주는지에 관한 Benchmark는 제공되지 않았다.
이번 업데이트는 Google Cloud의 여러 Java 실행 환경에서 같은 취약점에 대한 수정 Runtime을 제공하면서 자동 업데이트가 가능한 환경과 직접 재배포해야 하는 환경을 구분한 보안 패치 발표다.
Cloudflare Workers for Platforms, Dispatch Namespace 이름 변경 금지 — 기존 Terraform·Wrangler 자동화에 Breaking Change
- 발표일: 2026-11-20 — 정확한 게시 시각 미확인
- 발표 주체: Cloudflare
- 안정화 단계: 정식 플랫폼 정책 변경
- 적용 대상: Workers for Platforms, Dispatch Namespace, Wrangler, Terraform
- 변경 내용: 기존 Namespace의 이름 변경 금지
- 관련 오류 코드: 100413
- 원문: https://developers.cloudflare.com/changelog/post/2026-11-20-dispatch-namespace-rename-removed/
Cloudflare가 Workers for Platforms의 Dispatch Namespace를 생성한 이후 이름을 변경할 수 없도록 정책을 변경했다.
이번 변경은 새로운 개발 기능을 추가하는 업데이트가 아니다.
기존에 허용되던 Namespace 이름 변경을 금지하는 Breaking Change다.
따라서 실제 Terraform 또는 Wrangler에서 Namespace의 이름을 변경하는 자동화가 존재한다면 영향을 받을 수 있다.
Dispatch Namespace의 역할
Workers for Platforms는 여러 사용자 또는 고객의 Worker를 하나의 플랫폼에서 운영할 때 사용할 수 있다.
예를 들어 다음 서비스를 생각할 수 있다.
사용자는 자신의 JavaScript 코드를 업로드한다.
플랫폼은 사용자별 Worker를 생성한다.
이후 실제 요청을 해당 Worker로 전달한다.
이러한 구조에서 Dispatch Namespace는 여러 사용자 Worker를 관리하는 단위로 사용될 수 있다.
실제 Dispatch Worker는 해당 Namespace를 참조해 올바른 사용자 Worker로 요청을 전달한다.
기존 이름 변경의 문제
기존에는 Dispatch Namespace의 이름을 변경할 수 있었다.
하지만 내부적으로 문제가 발생할 수 있었다.
예를 들어 다음 Namespace가 있다고 가정해 보자.
tenant-workers
여기에 여러 사용자 Worker가 배포돼 있다.
이후 이름을 다음과 같이 변경한다.
customer-workers
문제는 기존 Worker와 관련 구성요소가 이전 Namespace 이름을 유지할 수 있었다는 점이다.
그 결과 다음 API가 실패할 수 있었다.
- Worker 조회
- 새로운 Worker 배포
- Worker 삭제
따라서 Namespace의 이름만 변경했다고 생각했지만 실제 내부 참조가 서로 달라지는 문제가 발생할 수 있었다.
Cloudflare는 이러한 오류를 방지하기 위해 이름 변경 자체를 거부하도록 했다.
API 오류
이제 다음 API에서 기존 Namespace의 이름을 변경하려고 하면 실패한다.
- PUT
- PATCH
반환하는 HTTP 상태는 다음과 같다.
400
오류 코드는 다음과 같다.
100413
오류 메시지는 Namespace의 이름을 변경할 수 없으며 다른 이름을 사용하려면 새로운 Namespace를 생성해야 한다고 설명한다.
Wrangler와 Terraform
이번 정책은 REST API에만 적용되는 것이 아니다.
다음 Wrangler 명령도 실패한다.
wrangler dispatch-namespace rename
또한 Terraform에서 다음 Resource의 name을 변경하려고 하면 실패한다.
cloudflare_workers_for_platforms_dispatch_namespace
따라서 실제 Terraform 코드에서 Namespace 이름을 수정한 뒤 terraform apply를 실행하는 방식으로는 이름을 변경할 수 없다.
이러한 동작은 기존 자동화의 호환성에 영향을 줄 수 있다.
새로운 Namespace로 이전
Cloudflare가 안내하는 새로운 절차는 다음과 같다.
- 원하는 이름의 새로운 Dispatch Namespace 생성
- 기존 User Worker를 새로운 Namespace에 배포
- Dispatch Worker의 Namespace Binding 변경
- Dispatch Worker 재배포
- 새로운 Namespace에서 Routing 확인
- 이전 Namespace의 Worker와 Namespace 삭제
이러한 방식에서는 단순히 이름 문자열을 변경하는 것이 아니라 실제 리소스를 새롭게 생성해 이전한다.
따라서 실제 서비스의 요청 Routing과 배포 상태를 검증해야 한다.
특히 여러 사용자 Worker를 운영하는 경우에는 모든 Worker가 새로운 Namespace에 존재하는지 확인해야 한다.
적용 범위와 한계
이번 변경은 Workers for Platforms의 Dispatch Namespace에 관한 것이다.
Cloudflare의 모든 Namespace 유형에서 이름 변경을 금지하는 것은 아니다.
또한 기존 Namespace를 계속 사용하는 프로젝트는 이름을 변경하지 않는 한 직접적인 영향이 없을 수 있다.
이번 발표에는 실제 배포 성능이나 API 처리량에 관한 Benchmark가 포함되지 않았다.
이번 업데이트는 Namespace 이름 변경으로 인해 기존 Worker 참조가 잘못 연결되는 문제를 방지하기 위해 변경 가능한 설정을 제한한 플랫폼 정책 수정이다.
이번 조사 범위에서 Node.js, Deno, Bun, Vite, webpack, Rollup, esbuild, Babel, Biome, ESLint, Prettier, npm, pnpm, Yarn, GitLab의 이외에 포함할 만한 주요 신규 정식 발표를 확인하지 못했습니다.
GitHub의 11월 20일 Changelog에서는 Dashboard에 즐겨 사용하는 Repository를 고정할 수 있는 기능도 공개됐다.
이는 Repository 탐색의 편의성을 개선하는 UI 변경이며 개발 도구의 실행 방식이나 코드 보안에 관한 중요한 변경은 아니므로 상세 항목으로 선정하지 않았다.
또한 Cloudflare Radar의 Zero Wire에서는 CVE 정보를 확인하는 화면이 추가됐다.
이 화면은 CVSS와 CISA KEV, EPSS 등 기존 취약점 정보를 종합해 보여준다.
하지만 새로운 CVE가 최초 공개됐다는 의미는 아니다.
이번 기간의 중요 보안 업데이트와는 구분했다.
OWASP와 주요 공급망 보안 권고도 확인했으며, 최초 공개 시점과 영향 버전, 수정 버전을 공식 원문으로 함께 검증할 수 없는 항목은 포함하지 않았다.
📚 추천 글
Google indexed 30 of my 547 pages. Here's what was wrong with my React SPA. — 547개 React 페이지 중 30개만 Google에 색인된 이유
- 저자: Waseem Khan
- 매체: DEV Community
- 게시일: 2026-11-19
- 기술: React, Vite, TypeScript, SSR, SEO, React Router, Supabase, IndexNow
- 원문: https://dev.to/freeclipmaker/google-indexed-30-of-my-547-pages-heres-what-was-wrong-with-my-react-spa-538j
Vite와 React로 만든 SPA의 검색 엔진 색인 문제를 분석하고, 실제 HTML 생성 방식과 콘텐츠 구조를 변경한 경험을 정리한 글이다.
저자는 Roblox 게임 관련 계산기와 가이드 사이트를 운영한다.
사이트는 8개월 동안 공개돼 있었다.
하지만 Google Search Console의 결과는 예상보다 나빴다.
실제 색인 현황
저자가 공개한 초기 수치는 다음과 같다.
| 항목 | 결과 |
|---|---|
| Sitemap URL | 547개 |
| Google 색인 완료 | 30개 |
| 발견됐지만 색인되지 않음 | 508개 |
| Google 검색 클릭 | 총 39회 |
반면 Bing에서는 Google보다 약 10배 많은 검색 유입이 발생하고 있었다.
따라서 모든 페이지가 실제로 접근할 수 없는 것은 아니었다.
저자는 Google이 대부분의 페이지를 색인하지 않는 이유를 조사했다.
첫 번째 문제: 거의 같은 페이지 487개
사이트에는 다음 페이지가 자동 생성돼 있었다.
- Pet 페이지 372개
- Plant 페이지 115개
각 페이지는 같은 Template을 사용했다.
전체 페이지의 길이는 약 325단어였다.
하지만 실제로 다른 내용은 한두 문장뿐이었다.
두 Pet 페이지를 비교했을 때 약 80%의 문장이 같았다.
즉 URL은 다르지만 실제 정보는 거의 같은 페이지가 많았다.
저자는 이러한 페이지를 모두 삭제하지 않았다.
Bing에서 실제 유입이 발생하고 있었기 때문이다.
대신 Googlebot에만 다음 Meta Tag를 제공했다.
<meta name="googlebot" content="noindex, follow">
또한 관련 페이지를 Sitemap에서 제거했다.
그 결과 Sitemap의 URL은 547개에서 60개로 감소했다.
다만 noindex, follow가 장기간 모든 내부 링크의 평가를 그대로 유지한다고 보장할 수는 없다.
또한 페이지를 Sitemap에서 제거하면 실제 Googlebot이 해당 페이지를 다시 방문하는 시점이 늦어질 수 있다.
따라서 이번 방법을 모든 사이트에서 그대로 적용해야 하는 SEO 규칙으로 취급해서는 안 된다.
두 번째 문제: 실제 HTML에는 125단어만 존재
저자의 사이트에는 1,000~3,000단어 길이의 가이드가 존재했다.
하지만 실제 HTML을 확인한 결과는 달랐다.
서버에서 받은 정적 HTML에는 약 125단어만 포함돼 있었다.
나머지 본문은 JavaScript가 실행된 이후 React가 렌더링했다.
따라서 실제 브라우저에서는 긴 글이 보였다.
하지만 JavaScript 실행 이전의 HTML에는 짧은 요약만 존재했다.
이는 단순히 React를 사용하기 때문에 검색 엔진이 콘텐츠를 읽지 못한다는 의미는 아니다.
실제로 Google은 JavaScript를 실행할 수 있다.
하지만 초기 HTML에 실제 콘텐츠가 존재하는지와 검색 엔진의 렌더링 및 색인 과정은 구분해서 확인할 필요가 있다는 점을 보여준다.
Vite 빌드에서 SSR 실행
저자는 기존 Vite Build Process에 SSR을 추가했다.
대표적인 Hook은 다음과 같다.
closeBundle
빌드가 완료된 이후 Vite Server를 생성한다.
이후 React 컴포넌트를 서버에서 렌더링한다.
대표적인 함수는 다음과 같다.
renderToString()
이렇게 생성한 HTML을 실제 정적 페이지에 삽입했다.
따라서 사용자가 처음 페이지를 요청할 때 본문이 이미 HTML에 존재하도록 변경했다.
하지만 이 과정에서 두 문제가 발생했다.
React Router의 Module 해석
저자는 React Router 7을 사용하고 있었다.
서버에서 SSR Module을 로딩할 때 다음 오류가 발생했다.
MemoryRouter의 Named Export를 찾을 수 없음
문제는 Node.js의 Module Resolution이 React Router의 CommonJS 빌드를 선택한 데 있었다.
저자는 Vite SSR 설정에 다음 조건을 추가했다.
externalConditions: ["module-sync"]
이렇게 하면 필요한 ESM Export를 사용할 수 있었다.
하지만 해당 옵션을 모든 Vite 프로젝트에서 반드시 추가해야 한다는 의미는 아니다.
실제로 사용 중인 패키지와 Module Export 설정에 따라 달라진다.
JSX Runtime 불일치
두 번째 오류는 다음과 같았다.
jsxDEV is not a function
개발 모드의 JSX 변환과 실제 Production Build의 Runtime이 서로 다르게 선택된 문제였다.
저자는 SSR 전용 Vite 설정을 분리했다.
이후 esbuild의 Automatic JSX Runtime을 사용하도록 구성했다.
이렇게 하면 실제 Production 환경과 일관된 방식으로 React 컴포넌트를 렌더링할 수 있었다.
개선된 초기 HTML
변경 이후 가이드 페이지에는 실제 본문이 포함됐다.
각 페이지의 초기 HTML에는 약 800~2,400단어가 존재하게 됐다.
하지만 새로운 문제가 발생했다.
기존 정적 HTML이 먼저 표시됐다.
이후 React가 Hydration을 시작하면서 해당 콘텐츠를 변경했다.
그 결과 화면이 잠깐 다른 스타일로 표시되는 현상이 나타났다.
특히 라이트 모드 사용자에게 어두운 화면이 잠시 보였다.
저자는 JavaScript가 활성화된 브라우저에서 초기 SSR 콘텐츠를 잠깐 숨기도록 변경했다.
또한 일정 시간 이후에도 React가 실행되지 않으면 다시 표시하도록 Fallback을 추가했다.
이러한 방식은 화면 깜빡임을 줄일 수 있다.
하지만 실제 초기 HTML을 숨기는 방식은 사용자 경험과 접근성에 영향을 줄 수 있으므로 일반적인 최적의 SSR 구조로 취급해서는 안 된다.
Supabase Bundle 최적화
저자는 Bundle 분석도 수행했다.
기존에는 공개 페이지에서도 Supabase Client 전체를 다운로드하고 있었다.
실제 공개 페이지에서는 인증 기능이 필요하지 않은 경우도 많았다.
따라서 Supabase Client를 Dynamic Import로 변경했다.
그 결과 메인 Bundle의 Gzip 크기는 다음과 같이 감소했다.
210KB → 152KB
약 28% 감소한 결과다.
하지만 실제 사용자가 Supabase 기능을 사용할 때는 해당 Chunk를 추가로 다운로드해야 할 수 있다.
따라서 초기 Bundle의 크기 감소와 전체 애플리케이션의 다운로드 크기를 구분해야 한다.
Windows 경로 처리 오류
저자는 별도의 SEO Audit Script도 운영하고 있었다.
하지만 Windows에서 실제 파일 경로를 처리하는 방식이 잘못돼 수천 개의 오류가 발생했다.
문제는 Python의 다음 표현이었다.
str(path)
Windows에서는 경로 구분자가 Backslash로 표현될 수 있다.
반면 실제 웹 URL은 Slash를 사용한다.
저자는 이를 다음 방식으로 변경했다.
path.as_posix()
그 결과 실제 잘못된 링크를 발견했다.
모든 Plant 페이지가 존재하지 않는 다음 경로를 참조하고 있었다.
/mutations/none
해당 링크를 수정한 뒤 Audit는 549개 페이지에서 오류 0개를 보고했다.
실제 결과의 한계
이번 글은 변경 이후의 검색 엔진 성과를 확정하지 않았다.
저자는 Google이 다시 Crawling하고 색인하기까지 시간이 필요하다고 명시했다.
따라서 이번 개선으로 실제 Google 색인 수가 30개에서 몇 개로 증가했는지는 아직 확인되지 않았다.
또한 변경 과정에는 AI 코딩 도구가 사용됐다.
저자는 관련 수치를 직접 확인했다고 설명하지만 독립적인 SEO 실험은 아니다.
이번 글은 React SPA의 검색 문제를 분석할 때 Sitemap과 콘텐츠 중복, 실제 초기 HTML, Bundle 구조 및 내부 링크 검사까지 함께 확인해야 한다는 점을 실무 기록으로 설명한다.
I fixed five bugs in react-pdf to print WhatsApp chats in about 30 scripts — 15개 문자 체계의 PDF 출력에서 발견한 글리프 손실과 RTL 오류
- 저자: Amberword
- 매체: DEV Community
- 게시일: 2026-11-20
- 기술: React PDF, JavaScript, Unicode, Fontkit, Web Worker, 국제화, PDF 렌더링
- 원문: https://dev.to/amberword/i-fixed-five-bugs-in-react-pdf-to-print-whatsapp-chats-in-about-30-scripts-3nik
WhatsApp 대화 내용을 PDF로 변환하는 웹 애플리케이션에서 여러 언어의 텍스트가 잘못 출력되던 문제를 수정한 기술 글이다.
저자의 서비스는 브라우저에서 PDF를 생성한다.
실제 대화 데이터는 서버로 전송되지 않는다.
PDF 생성은 Web Worker에서 수행하며, 렌더링에는 react-pdf를 사용한다.
처음에는 라틴 문자와 그리스어, 키릴 문자를 지원했다.
하지만 아랍어와 힌디어, 중국어 등을 포함한 대화에서는 일부 문자가 빈 사각형으로 표시됐다.
저자는 이를 해결하는 과정에서 react-pdf의 텍스트 처리와 Font Shaping에 관한 다섯 가지 문제를 발견했다.
첫 번째 과제: 모든 Font를 다운로드하지 않음
다국어 PDF를 생성하려면 해당 문자에 필요한 Glyph가 존재해야 한다.
저자는 Google Noto 계열의 Font를 사용했다.
하지만 모든 Font를 함께 다운로드하면 약 60MB가 필요했다.
따라서 실제 대화에 존재하는 문자 체계만 탐지하도록 변경했다.
대표적으로 다음 정규식을 사용했다.
\p{Script=Arabic}
이러한 표현은 Unicode Script를 기준으로 문자를 분류한다.
예를 들어 실제 대화에 아랍어가 포함돼 있다면 아랍어 Font를 준비한다.
중국어와 일본어, 한국어는 Font 파일이 여러 Subset으로 나뉘어 있었다.
저자는 실제 대화에서 사용하는 문자에 필요한 Subset만 다운로드하도록 구성했다.
실제 Font 다운로드 크기
저자가 공개한 결과는 다음과 같다.
| 대화 조건 | 추가 Font 다운로드 |
|---|---|
| 라틴 문자만 사용 | 해당 추가 Font 없음 |
| 15개 문자 체계, 두 가지 스타일 | 11.7MB |
따라서 모든 언어의 Font를 무조건 다운로드하는 방식보다 필요한 데이터만 가져올 수 있었다.
하지만 11.7MB도 실제 웹 애플리케이션에서는 큰 다운로드 크기다.
또한 브라우저 Cache와 사용자의 네트워크에 따라 체감 비용은 달라질 수 있다.
첫 번째 버그: 줄의 첫 글자가 사라짐
아랍어에서는 하나의 문자가 여러 Glyph로 표현될 수 있다.
예를 들어 점이 포함된 문자에서는 기본 모양과 점이 서로 다른 Glyph로 처리될 수 있다.
문제는 react-pdf의 Textkit이 줄을 나누는 과정에서 발생했다.
기존 구현은 Glyph Group의 시작 위치가 아니라 마지막 Glyph의 위치를 기준으로 처리할 수 있었다.
그 결과 줄의 첫 번째 문자가 사라졌다.
예를 들어 다음 문자열이 있었다.
شكرا
하지만 PDF에는 일부 문자가 빠진 상태로 표시됐다.
같은 문제는 다음 문자 체계에서도 발생했다.
- Bengali
- Oriya
- Thai
저자는 Textkit의 관련 처리 코드를 Patch했다.
또한 실제 수정 위치가 예상한 코드와 정확히 일치하는지 빌드 단계에서 검증하도록 했다.
따라서 react-pdf의 내부 구현이 변경되면 조용히 잘못된 Patch를 적용하지 않고 빌드를 실패시키도록 했다.
두 번째 버그: 결합 문자의 위치 오류
일부 문자에서는 모음이나 점이 기본 문자 위아래에 표시된다.
이러한 Mark의 위치는 Font의 Glyph Offset으로 표현될 수 있다.
문제는 기존 react-pdf가 Offset을 다시 Scale했다는 점이다.
해당 값은 이미 실제 Point 단위로 계산돼 있었다.
하지만 다시 다음 비율을 곱했다.
fontSize / 1000
그 결과 Mark가 원래 위치에 표시되지 않았다.
예를 들어 점이 옆 글자 위에 나타날 수 있었다.
저자는 실제 Glyph Drawing 함수의 해당 계산을 수정했다.
이러한 문제는 단순히 Font 파일을 변경하는 것으로 해결하기 어려웠다.
실제 Text Rendering Pipeline의 좌표 계산이 잘못돼 있었기 때문이다.
세 번째 버그: RTL Shaping 순서
아랍어와 히브리어 같은 언어는 오른쪽에서 왼쪽으로 작성된다.
하지만 실제 문자열을 역순으로 출력하는 것만으로 올바른 텍스트를 만들 수는 없다.
문자의 모양은 주변 문자와 연결 관계에 따라 달라질 수 있다.
이를 Shaping이라고 한다.
기존 react-pdf는 텍스트를 왼쪽에서 오른쪽으로 Shaping한 뒤 RTL Run의 순서를 뒤집었다.
이 과정에서 일부 Mark의 위치가 잘못됐다.
저자는 RTL Run을 실제 방향에 맞춰 Shaping하도록 변경했다.
이후 react-pdf가 기대하는 출력 순서에 맞게 결과를 변환했다.
따라서 단순한 문자열 역순 처리와 실제 Glyph Shaping을 구분해야 한다.
네 번째 버그: 마지막 문자가 사라짐
다음 문자 체계에서는 하나의 문자와 Glyph의 개수가 다를 수 있다.
- Khmer
- Bengali
- Thai
예를 들어 일부 모음은 여러 Glyph로 분리될 수 있다.
반대로 화면에 표시하지 않는 문자가 Shaping 과정에서 제거될 수 있다.
하지만 react-pdf의 기존 구현은 Glyph에 포함된 문자 수를 단순히 더해 원본 문자열의 위치를 계산했다.
이 경우 실제 문자와 Glyph의 대응이 어긋날 수 있었다.
그 결과 문장의 마지막 일부가 사라졌다.
저자는 실제 원본 텍스트를 기준으로 Glyph의 문자 대응 정보를 다시 구성했다.
이렇게 하면 각 문자가 정확히 한 번씩 처리되도록 검증할 수 있었다.
다섯 번째 버그: 미얀마어 Shaping
Fontkit은 미얀마어에 필요한 모든 Shaping 기능을 제공하지 않았다.
따라서 실제 문자의 입력 순서와 화면에 표시해야 하는 순서가 다를 수 있었다.
저자는 HarfBuzz의 Myanmar Shaping 방식에 맞춰 일부 문자를 재배치했다.
이후 필요한 Mark Positioning 규칙을 활성화했다.
하지만 모든 미얀마어 Font와 표현을 완전히 지원한다고 보장한 것은 아니다.
또한 Urdu의 Nastaliq 서체는 지원하지 않았다.
해당 서체의 복잡한 Ligature를 Fontkit이 충분히 처리하지 못했기 때문이다.
대신 Naskh 서체를 사용했다.
추가적인 줄바꿈 문제
저자는 Font Subset이 변경되는 위치에서 줄바꿈이 잘못 발생하는 문제도 수정했다.
예를 들어 중국어 문장에는 전각 쉼표가 포함될 수 있다.
하지만 해당 쉼표가 다른 Font Subset에 존재할 수 있다.
기존 구현에서는 Font가 변경된다는 이유만으로 줄바꿈이 발생할 수 있었다.
그 결과 쉼표가 새로운 줄의 시작에 표시될 수 있었다.
저자는 단순히 Font가 변경됐다는 사실을 줄바꿈 기준으로 사용하지 않도록 수정했다.
테스트
저자는 다음 규모의 테스트를 제공한다고 설명한다.
- 기존 테스트 2,881개
- 문자 체계 관련 추가 테스트 16개
특히 단순히 PDF의 생성 성공 여부만 검사하지 않았다.
실제로 출력된 Glyph가 원본 문자열과 대응되는지 확인했다.
이러한 검증은 저자가 직접 읽을 수 없는 문자 체계를 지원할 때 중요했다.
하지만 해당 테스트가 모든 언어의 시각적 품질을 완벽하게 보장하는 것은 아니다.
실제 Font와 Renderer의 조합에 따라 추가적인 문제가 존재할 수 있다.
적용 범위와 한계
이번 글은 실제 react-pdf 내부 코드를 Patch한 사례다.
따라서 향후 react-pdf가 업데이트되면 Patch가 기존 코드와 일치하지 않을 수 있다.
저자는 이를 빌드 단계에서 검증하도록 했지만 장기적인 유지보수 비용은 남아 있다.
또한 PDF 생성 시간과 CPU 사용량, Font 다운로드 이후의 실제 렌더링 성능에 관한 독립적인 Benchmark는 없다.
이번 글은 다국어 PDF 생성에서 단순한 Font 지원 여부보다 Glyph Shaping과 줄바꿈, 문자와 Glyph의 대응 관계가 중요하며, 렌더링 결과의 정확성을 실제 문자 체계별 테스트로 검증해야 한다는 점을 보여준다.
Running BiRefNet background removal in a Web Worker — 오래된 Worker의 CSP가 WebAssembly 실행을 차단했던 문제
- 저자: Ken
- 매체: DEV Community
- 게시일: 2026-11-20
- 기술: JavaScript, React, Web Worker, WebAssembly, ONNX Runtime Web, OffscreenCanvas, CSP
- 원문: https://dev.to/kenrl/running-birefnet-background-removal-in-a-web-worker-and-the-csp-bug-that-almost-bit-us-2906
브라우저에서 AI 모델을 실행해 이미지의 배경을 제거하는 기능을 구현하면서 발견한 실제 문제를 설명한 글이다.
저자는 사용자가 이미지를 서버에 업로드하지 않고 자신의 기기에서 처리하도록 설계했다.
이미지 분할에는 BiRefNet을 사용했다.
실제 모델 실행에는 ONNX Runtime Web을 사용했다.
하지만 모델을 실행하는 과정에서 두 가지 문제가 발생했다.
첫 번째는 큰 이미지의 처리로 브라우저 UI가 멈출 수 있다는 점이었다.
두 번째는 이미 수정한 CSP 설정이 이전에 Cache된 Worker에서는 반영되지 않는다는 점이었다.
Dedicated Web Worker
저자는 이미지 처리 전체를 Dedicated Web Worker에서 실행했다.
대표적인 작업은 다음과 같다.
- 이미지 파일 확인
- 이미지 Decode
- ONNX Runtime 초기화
- 모델 추론
- Segmentation Mask 생성
- 최종 PNG 생성
이러한 작업을 브라우저 메인 스레드에서 실행하면 사용자의 입력 처리가 지연될 수 있다.
예를 들어 이미지 Decode와 추론에 오랜 시간이 걸린다고 가정해 보자.
같은 스레드에서 React의 Event Handler를 실행해야 한다면 실제 UI가 멈춘 것처럼 보일 수 있다.
Web Worker는 이러한 계산을 별도의 실행 환경으로 분리한다.
따라서 사용자가 진행 상태를 확인하고 다른 UI를 조작할 수 있도록 설계할 수 있다.
하지만 Worker를 사용한다는 사실만으로 실제 이미지 처리 시간이 감소하는 것은 아니다.
실행 스레드가 분리되는 것이므로 메인 UI의 반응성을 유지하는 데 의미가 있다.
파일 크기와 해상도 제한
저자는 실제 입력에 두 가지 제한을 적용했다.
| 항목 | 제한 |
|---|---|
| 파일 크기 | 40MB 미만 |
| 전체 Pixel 수 | 최대 3,200만 |
지원하는 이미지 형식은 다음과 같다.
- PNG
- JPEG
- WebP
예를 들어 8,000×6,000 이미지를 생각할 수 있다.
전체 Pixel 수는 4,800만 개다.
따라서 파일 크기가 40MB보다 작더라도 Pixel 제한 때문에 거부된다.
이는 압축된 파일 크기와 실제 Decode 이후 메모리 사용량이 서로 다르기 때문이다.
실제 4,800만 Pixel 이미지는 압축된 파일이 작아도 메모리에서는 매우 클 수 있다.
이미지 방향 처리
저자는 다음 API를 사용했다.
createImageBitmap()
그리고 다음 옵션을 지정했다.
imageOrientation: 'from-image'
스마트폰으로 촬영한 사진에는 EXIF Orientation 정보가 포함될 수 있다.
실제 이미지 데이터의 저장 방향과 사용자가 보는 방향이 다를 수 있기 때문이다.
해당 옵션을 적용하지 않으면 세로 사진이 옆으로 회전된 상태로 처리될 수 있다.
따라서 이미지 분할 모델이 기대하지 않은 방향의 입력을 받을 가능성이 있다.
오래된 Worker의 CSP 문제
이번 글에서 가장 중요한 문제는 CSP다.
CSP(Content Security Policy)는 웹페이지에서 어떤 Script와 리소스를 실행할 수 있는지 제한하는 보안 정책이다.
WebAssembly의 실행에도 관련 제약이 존재한다.
예를 들어 Worker에서 WebAssembly를 컴파일하려면 해당 Worker의 CSP가 관련 실행을 허용해야 한다.
문제는 메인 HTML과 Worker Script가 서로 다른 HTTP Response로 제공된다는 사실이다.
메인 HTML의 CSP를 수정했다.
하지만 이전에 다운로드한 Worker Script는 브라우저 Cache에 남아 있을 수 있다.
이 경우 메인 페이지의 CSP는 올바르지만 Worker에는 이전 정책이 적용될 수 있다.
실제 실패 순서
저자의 기존 구현에서는 다음 문제가 발생했다.
- 사용자가 배경 제거 기능 실행
- 이미지 확인
- 큰 모델 파일 다운로드
- ONNX Runtime 초기화
- WebAssembly 컴파일 시도
- CSP에 의해 실행 차단
- 사용자에게 오류 표시
이 경우 사용자는 모델 파일을 다운로드한 뒤에야 실행할 수 없다는 사실을 알게 된다.
따라서 불필요한 대기 시간이 발생한다.
저자는 이 문제를 해결하기 위해 모델을 다운로드하기 전에 WebAssembly를 실행할 수 있는지 검사했다.
8바이트 WebAssembly 검사
저자는 다음 코드를 사용했다.
await WebAssembly.compile(
new Uint8Array([0, 97, 115, 109, 1, 0, 0, 0])
);
이 배열은 최소한의 WebAssembly Module을 나타낸다.
실제로 별도의 모델을 로딩할 필요가 없다.
따라서 Worker가 WebAssembly를 컴파일할 수 있는지 빠르게 확인할 수 있다.
만약 CSP 또는 브라우저 정책이 이를 차단한다면 즉시 오류를 표시한다.
이렇게 하면 실제 큰 모델 파일을 다운로드하기 전에 실행 환경의 호환성을 확인할 수 있다.
다만 이 검사가 성공했다는 사실만으로 모든 ONNX Operator와 모델이 정상적으로 실행된다고 보장할 수는 없다.
WebAssembly 컴파일이 가능한지 확인하는 초기 검사다.
OffscreenCanvas를 이용한 Mask 합성
모델은 이미지의 배경과 전경을 구분하는 Mask를 반환한다.
저자는 해당 Mask를 실제 이미지의 Alpha Channel로 적용했다.
이때 다음 API를 사용했다.
OffscreenCanvas
대표적인 설정은 다음과 같다.
globalCompositeOperation = 'destination-in'
이 방식에서는 Mask를 이용해 원본 이미지의 일부 Pixel을 투명하게 만들 수 있다.
따라서 실제 3,200만 Pixel을 JavaScript Loop로 하나씩 처리하는 방식 대신 Canvas의 합성 기능을 활용할 수 있다.
또한 다음 옵션을 사용했다.
imageSmoothingQuality = 'high'
모델이 반환한 Mask를 원본 이미지 크기로 확대할 때 경계를 부드럽게 처리하도록 한다.
하지만 실제 경계의 정확성은 모델이 생성한 Mask의 품질에 영향을 받는다.
단순히 Smoothing Quality를 높인다고 해서 잘못된 Segmentation이 수정되는 것은 아니다.
메모리 정리
저자는 ImageBitmap의 수명도 직접 관리했다.
대표적으로 다음 메서드를 사용한다.
image.close()
이미지 처리 이후 해당 객체를 정리하지 않으면 큰 Bitmap이 메모리에 남을 수 있다.
특히 사용자가 여러 이미지를 연속으로 처리하는 경우 메모리 사용량이 증가할 수 있다.
저자는 finally에서 해당 메서드를 호출하도록 구성했다.
이렇게 하면 정상 처리뿐 아니라 오류가 발생한 경우에도 리소스를 정리할 수 있다.
적용 범위와 한계
이번 글은 실제 Web Worker와 CSP, Canvas의 실행 관계를 분석한 구현 기록이다.
하지만 다음 성능 수치는 제공하지 않았다.
- 메인 스레드 대비 실행 시간 감소율
- Worker의 최대 메모리 사용량
- 모델의 실제 추론 지연
- GPU와 WASM의 처리 시간 비교
- Segmentation 정확도
따라서 Worker와 OffscreenCanvas를 사용하면 모든 이미지 처리 작업이 특정 비율만큼 빨라진다고 판단할 수 없다.
이번 글은 브라우저에서 AI 모델을 실행할 때 모델 자체의 처리뿐 아니라 Worker의 CSP와 Cache 정책, 입력 이미지의 메모리 사용량 및 리소스 정리를 함께 설계해야 한다는 점을 보여준다.
Cutting Playwright MCP Runs from 35k Tokens to $0 Local Replay — AI 에이전트는 테스트 계획만 만들고 반복 실행은 로컬에서 처리
- 저자: Yash Kashyap
- 매체: DEV Community / 개인 기술 블로그
- 게시일: 2026-11-20
- 기술: Playwright, TypeScript, MCP, AI Coding Agent, 접근성 기반 Selector, E2E 테스트
- 원문: https://dev.to/yashh1323/cutting-playwright-mcp-runs-from-35k-tokens-to-0-local-replay-3p25
- 실험 코드: https://github.com/yashh1323/auto-qa
AI 코딩 에이전트가 Playwright 테스트를 수행할 때 매번 브라우저 상태를 모델에 전달하고 다음 동작을 판단하도록 하는 방식의 Token 비용을 줄인 도구 구현 사례다.
저자는 auto-qa라는 오픈소스 도구를 만들었다.
이 도구는 AI 에이전트가 테스트 계획을 생성하는 단계와 실제 브라우저에서 테스트를 실행하는 단계를 분리한다.
따라서 이미 알고 있는 사용자 흐름을 반복해서 검증할 때 모델을 매번 호출하지 않아도 된다.
기존 MCP 테스트 방식
예를 들어 로그인과 결제 과정을 테스트한다고 가정해 보자.
AI 에이전트는 다음 작업을 수행한다.
- 로그인 페이지 열기
- 화면의 DOM 읽기
- 이메일 입력
- DOM 다시 읽기
- 비밀번호 입력
- DOM 다시 읽기
- 로그인 버튼 클릭
- 다음 화면 확인
실제 AI 에이전트는 각 작업 이후 DOM이나 Screenshot을 모델에 전달할 수 있다.
하지만 같은 테스트를 다음 날 다시 실행해도 비슷한 내용을 반복해서 전달한다.
따라서 Token 사용량이 증가할 수 있다.
저자는 실제 테스트 흐름에서 다음 비용이 발생했다고 설명한다.
- 약 35,000 Token
- 약 0.85달러의 API Token 비용
이 수치는 저자 자신의 작업 조건에서 발생한 사례다.
모든 Playwright MCP 테스트가 같은 비용을 사용한다는 의미는 아니다.
발견과 실행의 분리
저자가 선택한 방식은 두 단계다.
첫 번째는 Discovery다.
두 번째는 Execution이다.
Discovery에서는 실제 브라우저를 연다.
그리고 페이지에 존재하는 조작 가능한 요소를 조사한다.
하지만 전체 HTML을 그대로 AI 모델에 전달하지 않는다.
대신 접근성 정보를 중심으로 간결한 목록을 생성한다.
저자는 이를 약 1,200 Token 정도로 압축했다고 설명한다.
이후 AI 에이전트는 해당 정보를 바탕으로 테스트 계획을 생성한다.
plan.json
에이전트는 실제 테스트 단계를 JSON으로 작성한다.
대표적인 작업은 다음과 같다.
- Sign In 버튼 클릭
- Email 입력
- Password 입력
- Dashboard 표시 확인
이러한 계획은 실제 브라우저를 직접 조작하는 코드와 분리된다.
이후 로컬 Executor가 해당 계획을 읽고 실행한다.
따라서 같은 테스트를 반복할 때는 AI 모델을 다시 호출하지 않아도 된다.
로컬 실행 결과
저자는 실제 14단계 테스트를 실행했다.
결과는 다음과 같았다.
- 14개 단계
- 약 10.3초
- 반복 실행의 모델 API Token 비용 0달러
하지만 여기서 중요한 차이가 있다.
모델 API Token 비용이 0달러라는 사실과 실제 테스트 실행 비용이 완전히 0이라는 사실은 다르다.
Playwright의 브라우저는 실제 CPU와 메모리를 사용한다.
CI에서 실행한다면 관련 실행 비용이 발생할 수 있다.
따라서 이번 결과는 반복 테스트에서 추가적인 모델 API 호출 비용이 없다는 의미다.
Playwright 테스트 코드 생성
이번 도구는 성공한 테스트 계획을 다음 형식으로 변환할 수 있다.
.spec.ts
즉 일반적인 Playwright Test 파일이다.
따라서 생성된 테스트를 Git Repository에 저장할 수 있다.
이후 CI에서 일반적인 Playwright 테스트와 같은 방식으로 실행할 수 있다.
이러한 구조에서는 AI 에이전트가 생성한 테스트 계획을 실제 개발 프로젝트의 테스트 코드로 전환할 수 있다.
하지만 AI가 작성한 테스트 계획이 올바른 요구사항을 검증하는지는 별도로 확인해야 한다.
예를 들어 실제 결제 금액을 확인해야 하는데 단순히 결제 버튼이 보이는지만 검사할 수 있다.
이러한 테스트는 기술적으로 통과하더라도 실제 비즈니스 요구사항을 충분하게 검증하지 못할 수 있다.
Fixed Position 요소의 Visibility 문제
저자는 실제 구현 과정에서 다음 검사를 사용했다.
element.offsetParent !== null
이는 일부 DOM 요소가 화면에 표시되는지 간단하게 확인하는 데 사용할 수 있다.
하지만 실제 문제가 있었다.
다음 요소들은 position: fixed를 사용할 수 있다.
- 결제 Drawer
- Cookie Banner
- Floating Sidebar
- Modal
일부 브라우저에서는 Fixed Position 요소의 offsetParent가 null일 수 있다.
따라서 실제 화면에 표시되는 요소인데도 탐지되지 않을 수 있다.
저자는 이를 해결하기 위해 다음 정보를 함께 사용했다.
- Computed Style
- getBoundingClientRect()
따라서 단순히 offsetParent만으로 Visibility를 판단하지 않도록 수정했다.
Modal 안의 Selector
다음 문제는 Modal이었다.
예를 들어 페이지 뒤쪽에 Submit 버튼이 존재한다.
그리고 화면 위에 새로운 Modal이 표시된다.
Modal에도 Submit 버튼이 존재한다.
이때 단순히 페이지 전체에서 Submit 버튼을 검색하면 실제 사용자에게 보이지 않는 뒤쪽 버튼을 선택할 수 있다.
저자는 이를 방지하기 위해 활성화된 Modal을 먼저 찾는다.
대표적인 Selector는 다음과 같다.
- [role="dialog"]
- [aria-modal="true"]
- .modal
이후 실제 테스트 대상 요소를 활성화된 Modal 안에서 먼저 검색한다.
이렇게 하면 실제 화면의 상호작용 구조를 더 정확하게 반영할 수 있다.
하지만 모든 웹사이트가 같은 Modal DOM 구조를 사용하는 것은 아니다.
따라서 이번 규칙이 모든 UI 프레임워크에서 완벽하게 동작한다고 보장할 수 없다.
외부 사이트의 입력 처리
이번 도구는 실제 외부 웹사이트의 텍스트를 읽는다.
따라서 해당 텍스트를 그대로 정규식이나 CSS Selector에 포함하면 문제가 발생할 수 있다.
예를 들어 버튼의 Label에 다음 문자가 존재할 수 있다.
- 대괄호
- 따옴표
- Backslash
이러한 문자를 적절하게 Escape하지 않으면 생성한 Selector가 잘못될 수 있다.
저자는 이를 해결하기 위해 다음 처리를 추가했다.
- Regex Pattern Sanitization
- CSS String Escape
- 허용 URL Scheme 검사
- 출력 파일 경로 검사
특히 URL에서는 다음 Scheme만 허용하도록 했다.
- http
- https
다음 형태는 차단한다.
- file
- javascript
- data
또한 생성된 파일을 Workspace 밖에 기록하지 않도록 경로를 검증했다.
이러한 검사는 외부 웹페이지의 데이터를 코드 생성에 사용하는 도구에서 중요하다.
적용 범위와 한계
이번 방식은 모든 브라우저 테스트에 적합한 것은 아니다.
저자는 다음 상황을 제한으로 설명한다.
- Canvas 중심의 애플리케이션
- WebGL 게임
- 3D Viewer
- 실제 사용자 흐름을 미리 알 수 없는 탐색적 테스트
Canvas와 WebGL에서는 일반적인 DOM과 접근성 정보만으로 실제 화면의 모든 상태를 확인하기 어렵기 때문이다.
또한 UI의 구조가 크게 변경되면 기존 plan.json이 더 이상 올바르게 동작하지 않을 수 있다.
따라서 테스트 계획을 다시 생성하거나 Selector를 수정해야 할 수 있다.
이번 글은 AI 에이전트에게 모든 테스트 클릭을 맡기는 대신 테스트의 의미와 계획만 생성하도록 하고, 반복적인 브라우저 조작은 결정적인 로컬 테스트 코드로 실행하는 구조를 실제 구현과 측정으로 설명한다.
Turning a photo into a cross stitch chart — TypeScript에서 이미지 축소·색상 군집화·노이즈 제거를 결합한 설계
- 저자: Clara
- 매체: DEV Community
- 게시일: 2026-11-20
- 기술: TypeScript, Web Worker, Canvas, CIE Lab, CIEDE2000, K-means, 이미지 처리
- 원문: https://dev.to/picturecrossstitch/turning-a-photo-into-a-cross-stitch-chart-the-parts-that-werent-obvious-2l8
일반 사진을 십자수 도안으로 변환하는 브라우저 도구를 만들면서 실제 이미지의 색상 정확도와 사용자가 작업하기 쉬운 도안의 구조가 서로 다른 문제라는 점을 분석한 글이다.
저자는 처음에 단순한 알고리즘을 사용했다.
이미지를 작게 줄인다.
각 Pixel을 가장 가까운 실 색상으로 변환한다.
하지만 실제 결과는 사용하기 어려운 도안이었다.
작은 색상 차이 때문에 수천 개의 단일 Stitch가 생성됐기 때문이다.
저자는 이를 해결하기 위해 이미지 축소와 색상 선택, 작은 영역의 병합을 단계별로 변경했다.
단순한 이미지 축소의 문제
예를 들어 원본 사진의 너비가 4,000px이라고 가정해 보자.
하지만 실제 도안은 가로 100칸이다.
따라서 원본 이미지의 약 40px을 하나의 Stitch로 표현해야 한다.
단순한 Nearest-neighbor 방식에서는 각 영역에서 하나의 Pixel을 선택할 수 있다.
하지만 이 방식은 실제 이미지의 작은 노이즈에 영향을 받는다.
예를 들어 사진의 한 영역에 어두운 Pixel 하나가 존재한다고 가정해 보자.
그 Pixel이 선택되면 전체 Stitch가 어둡게 변할 수 있다.
저자는 이를 해결하기 위해 Area Averaging을 사용했다.
각 Stitch에 해당하는 원본 이미지 영역의 Pixel을 평균내는 방식이다.
이렇게 하면 작은 노이즈를 줄일 수 있다.
이미지의 선명도 유지
하지만 Area Averaging에는 다른 문제가 존재한다.
사진의 경계가 흐려질 수 있다.
예를 들어 동물의 얼굴을 생각할 수 있다.
다음 부분은 작은 영역이지만 중요하다.
- 눈
- 코
- 귀의 경계
- 털의 윤곽
단순히 평균을 계산하면 이러한 부분이 흐려질 수 있다.
저자는 축소 이후 약한 Unsharp Mask를 적용했다.
하지만 과도한 Sharpening은 실제 이미지에 존재하지 않는 밝은 테두리를 만들 수 있다.
이를 방지하기 위해 주변 색상 범위를 벗어나지 않도록 값을 제한했다.
따라서 경계를 강조하면서 과도한 Halo를 줄이도록 했다.
실제 실 색상의 제한
십자수에서는 실제 사용할 수 있는 실 색상이 제한돼 있다.
저자가 사용한 DMC의 단색 실은 약 490종류다.
하지만 하나의 도안에 490개 색상을 모두 사용하기는 어렵다.
예를 들어 100×100 도안에는 10,000개의 Stitch가 존재한다.
이 도안에 150개 색상을 사용해야 한다면 실제 작업자는 많은 종류의 실을 준비해야 한다.
따라서 저자는 실제 색상 수를 다음 범위로 제한하려고 했다.
20~40개 색상
하지만 단순히 가장 적게 사용하는 색상을 제거하는 방식은 문제가 있었다.
중요한 작은 색상의 손실
예를 들어 개의 사진을 생각할 수 있다.
전체 이미지의 대부분은 갈색 털이다.
반면 눈은 매우 작은 영역을 차지한다.
저자의 예제에서 눈은 10,000개 Stitch 가운데 12개에 불과했다.
단순히 사용 빈도가 낮은 색상부터 제거하면 눈의 색상이 갈색 털에 합쳐질 수 있다.
그 결과 전체적인 색상 오차는 작더라도 실제 얼굴의 중요한 특징이 사라진다.
따라서 단순한 색상 사용 빈도만으로 도안의 품질을 판단하기 어렵다.
K-means와 CIE Lab
저자는 색상 선택에 K-means를 사용했다.
또한 RGB 대신 CIE Lab 색상 공간을 사용했다.
CIE Lab은 실제 사람이 느끼는 색상 차이를 표현하기 위해 설계된 색상 공간이다.
따라서 단순한 RGB 거리보다 색상 차이를 해석하는 데 유용할 수 있다.
저자는 실제 Pixel의 개수를 가중치로 사용한다.
이후 K-means의 중심을 실제 DMC 실 색상 가운데 하나로 변환한다.
중요한 부분은 초기 중심을 선택하는 방식이다.
저자는 무작위 초기화를 사용하지 않았다.
대신 가장 많이 사용하는 색상에서 시작했다.
이후 기존 중심과 멀리 떨어진 색상을 선택한다.
따라서 같은 사진과 설정에서는 같은 결과가 생성되도록 했다.
이러한 결정성은 실제 사용자가 미리보기로 본 도안과 나중에 구매한 PDF가 일치해야 하는 경우에 중요하다.
CIEDE2000
저자는 색상 사이의 거리를 계산할 때 CIEDE2000도 사용했다.
CIEDE2000은 색상 차이를 계산하는 방법이다.
하지만 단순한 Lab의 유클리드 거리보다 계산 비용이 클 수 있다.
저자는 모든 색상 후보에 CIEDE2000을 적용하지 않았다.
먼저 일반적인 Lab 거리로 가장 가까운 실 여섯 개를 선택했다.
이후 해당 후보에 CIEDE2000을 적용했다.
따라서 전체 계산량을 줄일 수 있었다.
하지만 실제 색상이 사용 가능한 실 색상의 범위를 크게 벗어나면 다른 처리가 필요했다.
예를 들어 매우 선명한 파란색이 실제 실의 색상으로 표현하기 어렵다고 가정해 보자.
이 경우 처음 선택한 여섯 후보가 적절하지 않을 수 있다.
저자는 이러한 상황에서 전체 실 색상을 CIEDE2000으로 다시 비교하도록 했다.
Confetti 문제
십자수에서는 작은 영역에 다른 색상 하나만 존재하는 경우를 Confetti라고 부른다.
예를 들어 다음 도안을 생각할 수 있다.
넓은 갈색 영역 가운데 파란색 Stitch 하나가 존재한다.
작업자는 해당 Stitch 하나를 만들기 위해 별도의 실을 사용해야 한다.
이러한 Stitch가 수천 개 존재하면 실제 작업이 매우 번거로워진다.
저자는 이를 줄이기 위해 다음 세 방법을 사용했다.
첫 번째는 주변 여덟 칸 가운데 같은 색상이 하나도 없는 Stitch를 정리하는 것이다.
두 번째는 매우 작은 연결 영역을 주변 색상에 합치는 것이다.
세 번째는 실제 사용량이 극히 적은 색상을 다른 색상에 합치는 것이다.
하지만 모든 작은 영역을 제거하지는 않는다.
예를 들어 눈의 하이라이트처럼 작은 면적이라도 매우 중요한 색상이 존재할 수 있기 때문이다.
따라서 색상 차이가 특정 기준보다 큰 경우에는 해당 영역을 유지한다.
4-connected Component
저자는 작은 색상 영역을 분석할 때 4-connected Component를 사용했다.
이는 다음 네 방향으로 연결된 같은 색상의 영역을 찾는 방식이다.
- 위
- 아래
- 왼쪽
- 오른쪽
이후 해당 영역의 크기를 계산한다.
작은 영역은 주변 색상과의 차이가 충분히 작다면 병합한다.
하지만 실제 색상 차이가 크다면 유지한다.
따라서 단순히 작은 영역이라는 이유로 모든 중요한 특징을 제거하지 않는다.
배경 단순화
저자는 실제 도안에서 배경이 매우 많은 작업량을 만들 수 있다는 점도 발견했다.
예를 들어 반려동물의 사진을 생각해 보자.
주요 대상은 반려동물이다.
하지만 실제 사진에는 다음 배경이 존재할 수 있다.
- 소파
- 카펫
- 잔디
- 벽
이러한 배경에는 작은 색상 변화가 많을 수 있다.
따라서 실제 도안을 만들면 배경에 많은 색상과 Stitch가 필요할 수 있다.
저자는 이를 해결하기 위해 주요 대상을 중심으로 타원형 영역을 정의했다.
그리고 타원형 바깥의 배경을 더 강하게 단순화했다.
하지만 주요 대상의 눈과 얼굴은 그대로 유지했다.
또한 귀나 발처럼 타원형 밖으로 뻗어 있는 중요한 영역은 무조건 제거하지 않도록 했다.
Web Worker에서 실행
이번 알고리즘은 TypeScript로 작성됐다.
또한 DOM에 직접 의존하지 않는 순수한 계산 코드로 구성됐다.
따라서 Web Worker에서 실행할 수 있다.
예를 들어 사용자가 다음 설정을 변경한다고 가정해 보자.
- 색상 수
- 도안 크기
- 단순화 수준
이러한 변경에 따라 실제 도안을 다시 계산해야 한다.
하지만 메인 스레드에서 큰 이미지를 처리하면 UI가 멈출 수 있다.
Web Worker를 사용하면 계산 작업을 분리할 수 있다.
또한 같은 코드를 Node.js 테스트에서도 사용할 수 있다.
품질 지표의 변경
저자는 처음에 색상 오차를 중심으로 결과를 평가했다.
하지만 실제 사용자는 다른 문제를 중요하게 생각했다.
대표적으로 다음과 같다.
- Confetti Stitch 수
- 한 줄에서 색상을 변경해야 하는 횟수
- 사용해야 하는 실의 종류
- 주요 대상의 특징이 유지되는지
따라서 단순히 원본 사진과 색상이 비슷하다는 사실만으로 좋은 도안이라고 판단하기 어려웠다.
이번 사례에서는 실제 결과물을 사용하는 사람의 작업량이 중요한 품질 지표였다.
적용 범위와 한계
이번 글은 실제 알고리즘의 설계 선택을 설명한다.
하지만 다음 정량적인 Benchmark는 제공하지 않았다.
- 전체 이미지 처리 시간
- Web Worker의 CPU 사용량
- 원본 대비 색상 오차 감소율
- Confetti Stitch 감소율
- 사용자 테스트의 만족도
따라서 새로운 알고리즘이 모든 이미지에서 특정 비율만큼 더 좋은 결과를 생성한다고 단정할 수 없다.
또한 실제 적합한 색상 수와 단순화 수준은 이미지의 내용에 따라 달라진다.
이번 글은 이미지 처리에서 수학적으로 가장 비슷한 결과와 실제 사용자가 활용하기 좋은 결과가 서로 다를 수 있으며, 최종 결과물의 목적에 맞춰 알고리즘과 품질 지표를 설계해야 한다는 점을 보여주는 구현 사례다.